科研之友
微信
新浪微博
Facebook
分享链接
摘要
公路交通对国家政治、经济发展有着重大的作用。随着公路的快速发展，公路安全问题也应得到更多关注和维护。传统的公路路面病害人工检测法效率低下且准确率低，因此，提出了基于深度学习的公路路面病害智能化检测系统。首先，在异常检测阶段，构建卷积编码器从大量公路路面图像中提取出病害图。其次，在异常提取阶段，利用阈值分割法提取公路路面病害特征。最后，在公路路面病害分类阶段，利用ResNet结构训练模型来确定公路路面病害所属的分类。结果表明，该方法一次模型训练约3 min,且分类准确率在90%以上。
- 单位
公路交通对国家政治、经济发展有着重大的作用。随着公路的快速发展，公路安全问题也应得到更多关注和维护。传统的公路路面病害人工检测法效率低下且准确率低，因此，提出了基于深度学习的公路路面病害智能化检测系统。首先，在异常检测阶段，构建卷积编码器从大量公路路面图像中提取出病害图。其次，在异常提取阶段，利用阈值分割法提取公路路面病害特征。最后，在公路路面病害分类阶段，利用ResNet结构训练模型来确定公路路面病害所属的分类。结果表明，该方法一次模型训练约3 min,且分类准确率在90%以上。
