基于Jetson TX2的路面病害检测应用

作者：张宇昂; 李琦^*

来源：信息技术与信息化, 2023, (09): 112-115.

• 深度学习
• 路面病害
• TensorRT
• Jetson TX2

针对目前路面病害检测方法存在落地应用难与成本高的问题，基于低功耗嵌入式平台Jetson TX2对深度学习路面病害检测模型进行落地应用。首先采用YOLOv5目标检测网络训练路面病害目标检测模型；进一步使用TensorRT方法进行模型优化与引擎模型转换；最后将路面病害检测模型部署到嵌入式平台Jetson TX2。在实际路面环境中进行实验，结果表明：在Jetson TX2嵌入式平台，对比选择兼顾准确率与检测速度的YOLOv5s作为路面病害目标检测模型，引擎模型推断精度达到了90.5%，且推理速度较原模型提高了35.1%，检测速度达到了30.7 ms，漏检率仅为0.13%。基于Jetson TX2的路面病害检测达到了准确且实时的检测效果，并有效地降低路面病害检测成本，实现了深度学习模型的落地应用，提高了路面病害检测的效率与自动化程度。

• 单位
  内蒙古科技大学