基于改进 U-Net 网络的混凝土表面裂缝分割

甘 霖，谢爱荣，燕 阳，王 威，熊仕勇

(1.重庆市渝中区党政信息中心，重庆 400010；2.中国人民解放军陆军工程大学 通信士官学校，重庆 400035；3.重庆邮电大学 软件工程学院，重庆 400065)

0 引 言

截至2018年底，我国公路总里程已达到484.65万公里，高速公路里程达到14.26万公里。在混凝土公路里程快速增长的同时，也产生了极大的维护及保养压力。混凝土路面在大型车辆碾压或自然损耗之后，极易产生裂缝及破损，且随着时间推移道路状况会急剧恶化，最终威胁行车安全。针对现有人工检测存在的效率低下、漏检误检率高、时效性差等问题，如何在破损形成初期快速检测以帮助后期预防性修补成为了当前点一个研究热点。

现有研究主要以基于传统光学的数字图像处理方法为主，在利用成像仪器拍摄后对裂缝照片进行处理并以此为基础进行判断，常用方法有：①基于阈值的分割算法：此类算法通过裂缝区域与正常路面之间的灰度差，通过设定阈值进行划分，代表方法有OTSU分割[1]等；②基于裂缝边缘检测的分割算法：针对裂缝图像的灰度有明显的阶跃现象，可以此为边缘特征进行分割，如Canny[2]，Sobel，Prewitt，Kirsch，Roberts[3]等；③渗流法：通过构建渗流模型(percolation model)[4]，对每一个像素点分别对应一个局部窗口并运用区域生长算法进行生长，同时根据生长的结果来确定这个像素点是否为裂缝；④神经网络：随着近年来以人工神经网络为代表的机器学习技术的快速发展，在图像分类[5]、目标检测[6]、自然语义分割[7]等数字图像处理领域取得了突破性的发展。……