典型文献
基于深度学习的公路路面病害智能化检测系统
文献摘要：
公路交通对国家政治、经济发展有着重大的作用.随着公路的快速发展,公路安全问题也应得到更多关注和维护.传统的公路路面病害人工检测法效率低下且准确率低,因此,提出了基于深度学习的公路路面病害智能化检测系统.首先,在异常检测阶段,构建卷积编码器从大量公路路面图像中提取出病害图.其次,在异常提取阶段,利用阈值分割法提取公路路面病害特征.最后,在公路路面病害分类阶段,利用ResNet结构训练模型来确定公路路面病害所属的分类.结果表明,该方法一次模型训练约3 min,且分类准确率在90％以上.
文献关键词：
路面病害;智能检测系统;深度学习模型
中图分类号：
作者姓名：
余俊;吴海军;王武斌;张宗堂
作者机构：
成都工业职业技术学院 现代轨道交通应用技术研究中心,四川 成都 610000;湖南省交通科学研究院有限公司,湖南 长沙 410015;西南交通大学 陆地交通地质灾害防治技术国家工程实验室,四川 成都610000;湖南科技大学 岩土工程稳定控制与健康监测湖南省重点实验室,湖南 湘潭 411201
文献出处：
引用格式：
[1]余俊;吴海军;王武斌;张宗堂-.基于深度学习的公路路面病害智能化检测系统)[J].公路工程,2022(05):71-77
A类：
B类：
公路路面,路面病害,智能化检测,公路交通,国家政治,公路安全,应得,害人,检测法,异常检测,卷积编码,编码器,路面图像,异常提取,阈值分割,分割法,病害特征,病害分类,ResNet,训练模型,模型训练,分类准确率,智能检测系统,深度学习模型
AB值：
0.351401
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。
