典型文献
基于深度学习的路面缺陷自动检测系统
文献摘要：
路面缺陷自动检测对公路养护和路况等级评估具有重要意义.为此,使用YOLOv5x结合透视变换和图像分割设计了路面缺陷检测系统.首先,为证明系统可行性采集并制作了多类型路面缺陷数据集(pavement defect dataset,PDD).然后,使用 SSD(single shot multibox detector)、Fas-ter R-CNN、YOLOv5x(you only look once v5x)和YOLOX 4 种模型对 PDD 进行训练检测.经过训练,4种模型的mAP(mean average precision)均超过了 77％,其中YOLOv5x的结果最优,mAP达到了 91％,同时证明创建的数据集PDD有效.最后,使用YOLOv5x作为系统主要检测方法结合透视变换、图像分割和骨架提取获取缺陷的长度、宽度和面积等信息,进而计算路面状况指数(pave-mentcondition index,PCI)得到路面破损 等级,以及相应的维修建议,提高 了路面缺陷检测的实用性.
文献关键词：
路面缺陷检测;YOLOv5;图像分割;深度学习
中图分类号：
作者姓名：
王鑫;李琦
作者机构：
内蒙古科技大学信息工程学院,内蒙古包头014010
文献出处：
引用格式：
[1]王鑫;李琦-.基于深度学习的路面缺陷自动检测系统)[J].光电子·激光,2022(11):1165-1172
A类：
路面缺陷检测,v5x,mentcondition
B类：
自动检测系统,公路养护,路况,等级评估,YOLOv5x,透视变换,和图像,图像分割,多类型,缺陷数据,pavement,defect,dataset,PDD,SSD,single,shot,multibox,detector,Fas,ter,you,only,look,once,YOLOX,经过训练,mAP,mean,average,precision,骨架提取,路面状况,PCI,路面破损,修建
AB值：
0.376377
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。
