基于深度学习和ArcMap的路面病害智能综合检测方法

作者：韩豫; 张萌; 李宇宏; 顾盛

来源：江苏大学学报(自然科学版), 2023, 44(04): 490-496.

• 路面病害
• 可视化检测
• 卷积神经网络
• 目标检测网络
• 地理信息系统

为了提升路面病害检测效率，实现路面病害检测结果的可视化显示，结合深度学习技术和ArcMap地理信息系统，设计一种适用于沥青路面的路面病害智能综合检测方法.该检测方法首先利用基于视觉几何组(visual geometry group, VGG)模型的卷积神经网络进行路面图像分类，再利用基于单步多框检测(single shot MultiBox detector, SSD)模型的目标检测网络实现路面病害识别，最后利用ArcMap地理信息系统生成道路健康地图.测试结果表明：基于VGG-16模型的路面图像分类准确率为94.60%,能够判别正常路面和病害路面；基于SSD模型的路面病害识别平均精确度为87.36%,能够有效识别坑槽、松散、车辙、裂缝、泛油和修补等6类病害类型；基于ArcMap系统的道路健康地图能够实现病害定位与结果显现.

• 单位
  江苏大学; 昆山市建设工程质量检测中心