摘要
道路在交通荷载、自然老化及环境影响的综合作用下,服役过程中其表面将产生种类繁杂、严重程度不一的病害,对行车舒适性和安全造成不利影响。为明确路面病害检测领域最适用模型特征,首先分析深度卷积神经网络结构及激活函数、损失函数应用效果,使用R-CNN、YOLO系列中最具代表性的网络采用路面病害数据集进行训练、验证、测试工作,对模型训练评价指标及检测效果的影响因素开展深入研究。结果表明,YOLOv5算法相比于其他算法能够有效提高日常巡检效率,根据测试集数据显示,YOLOv5算法最高检测准确率可达到90.01%,具有显著优势。
-
单位江西九江长江公路大桥有限公司