基于红外光谱分析与改进CNN的智能道路质量检测技术

作者：熊涛; 席恩伟; 闫文佳

来源：工业仪表与自动化装置, 2023, (05): 98-102.

DOI：10.19950/j.cnki.cn61-1121/th.2023.05.020

• 红外光谱分析
• CNN
• 道路裂缝检测
• ResNet
• 特征识别

为了精确、快速地识别道路表面的质量情况，及时进行维保，文中提出了一种基于红外光谱分析与改进CNN的智能道路质量检测技术。该方案根据路面图像的红外光谱特征，通过红外光谱识别技术来判断路面是否存在裂缝。为了精准地检测出路面上的裂缝，同时还对CNN模型的ResNet34进行改进，提出了一种编码器-解码器体系结构的检测网络。在仿真实验中，所提出的道路质量检测方法得到的准确率为98.70%,召回率为99.00%,F1值为98.34%,mIoU为76.24%,其检测所需的时间消耗仅为0.51 s,优于SegNet、U-Net和DFN等深度学习方法。

• 单位
  云南省交通投资建设集团有限公司; 云南云岭高速公路工程咨询有限公司