基于深度学习技术的路面隐患排查应用与实践

作者：吕伟杰; 许基献; 斯锦伟; 王佳; 李家伟

来源：交通科技与管理, 2023, 4(24): 15-18.

• 数字图像处理
• 卷积神经网络
• 隐患目标
• CCN

随着公路建设事业的快速发展,道路隐患排查管理任务伴随而来,特别是前期建设的一批高速公路已逐步进入中修或大修期,相关管理部门越来越重视道路通行隐患监测数据的收集和分析。为了增强基于机器视觉数字图像处理的道路隐患排查识别效率和准确性,在目标检测技术中引入卷积神经网络CNN算法,快速识别带边界的隐患目标类型、位置和区域,并基于CNN通过隐患目标轮廓网络CCN方法进行定位和提取病害形状。在CCN算法中引入道路隐患类型识别准确率、召回率和方差比值即F值指标,来评价算法模型,根据最大F值划分和确定隐患目标相应的轮廓区域。工程验证结果表明,文章所提出的隐患识别效率和准确率较高,可用性强。置信度阈值取最优值后,准确率、召回率、F值可达到91.8%、86.1%和84.6%。