典型文献
基于改进两步式卷积神经网络的沥青路面裂缝识别方法
文献摘要：
为实现沥青路面裂缝长度和面积等几何信息的智能提取,提出了一种基于改进两步式卷积神经网络的沥青路面裂缝几何信息提取法.在完成数据的采集后,第1步主要通过人工筛选出失真图像、无病害图像和可能存在病害图像各600张,训练基于卷积注意力模块改进的图像分类算法ResNet50,以此作为本模型的清洗算法,完成对410000张原始路面图像的清洗工作,筛除其中的失真图像和无病害图像,构建裂缝病害图像数据集;第2步基于卷积注意力模块对图像语义分割算法U-Net进行改进,使用上一步筛选的数据进行训练与测试,训练集与测试集的样本比例为10:1,以此实现裂缝图像的分割,并对裂缝的长度和面积进行提取.试验结果表明,本研究提出的改进ResNet50算法对于总体样本清洗结果的精确率、召回率和F1值均已超过95％,其中F1值已经达到了96.8％;两步式沥青路面裂缝几何信息提取法的均交并比为0.4967,其中横向裂缝、纵向裂缝、龟裂、块状裂缝的交并比分别为0.4951,0.5467,0.6085和0.3366;在裂缝长度信息提取上,横向裂缝的误差为12.18％,纵向裂缝的误差仅为3.88％;在裂缝面积的信息提取中,横向裂缝、纵向裂缝、龟裂、块状裂缝的误差分别为0.58％,12.14％,12.27％,11.44％.
文献关键词：
道路工程;裂缝识别;卷积神经网络;沥青路面;卷积注意力模块;ResNet50;U-Net
中图分类号：
[2]
交通运输（U）
/
公路运输（U4）
/
道路工程（U41）
/
路基、路面工程（U416）
/
路面工程（U416.2）
/
路面：按使用材料分（U416.21）
/
沥青路面（U416.217）
作者姓名：
章天杰;王洋洋;韩海航;罗雪
作者机构：
浙江省交通运输科学研究院,浙江 杭州 310012;浙江省道桥检测与养护技术研究重点试验室,浙江 杭州 310012;浙江大学,浙江 杭州 310012
文献出处：
引用格式：
[1]章天杰;王洋洋;韩海航;罗雪-.基于改进两步式卷积神经网络的沥青路面裂缝识别方法)[J].公路交通科技,2022(10):1-8,58
A类：
B类：
两步式,沥青路面裂缝,裂缝识别,裂缝长度,几何信息,智能提取,信息提取,提取法,失真,无病,卷积注意力模块,图像分类算法,ResNet50,路面图像,筛除,裂缝病害,病害图像数据集,图像语义分割,分割算法,训练集,测试集,裂缝图像,精确率,召回率,均交并比,横向裂缝,纵向裂缝,龟裂,块状,裂缝面积,道路工程
AB值：
0.228099
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
