科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决现有裂缝识别算法的准确度不高、检测与分割任务不能同时进行等问题，本文提出了一种基于改进型Mask R-CNN模型的路面裂缝识别方法。首先，建立本文的裂缝数据集并进行标注，然后使用Mask R-CNN模型对裂缝数据集进行训练和测试，并对模型中锚点的长宽比进行调整，实现在裂缝定位的同时对生成检测框内的裂缝像素进行分割；其次，针对Mask R-CNN模型生成裂缝检测框的不精准问题，设计了一种改进的C-Mask RCNN多阈值检测方法，通过结合级联不同阈值的检测器来提高候选框质量，实现高阈值检测下的裂缝精准定位；最后，对改进后的模型进行一系列的优化参数和实验对比，并验证所提模型的有效性。实验结果表明，C-Mask RCNN模型检测部分的准确率达到95.4%，与改进前模型相比提升了9.7%，分割部分的准确率达到93.5%，与改进前相比提升了13.0%，识别效果较好。综上所述，本文提出的C-Mask RCNN模型可以较为完整的对裂缝进行定位及提取，识别精度较高。
- 单位
