典型文献
基于卷积神经网络的路面坑槽与拥包病害识别
文献摘要：
坑槽与拥包作为城市沥青路面的主要损坏类型,若不及时进行修复,会造成路面的结构性破坏,缩短道路的使用寿命.为了进一步提高路面坑槽与拥包的识别精度与效率,采用三维数据图像作为训练样本,提出新的卷积神经网络病害识别模型;采用激光面扫描技术获取高精度沥青路面三维数据,开发道路坑槽与拥包分类模型CNN 1.结果表明:CNN 1模型能够显著提高坑槽与拥包病害分类识别准确率和精确率,有效地提高了城市道路中坑槽与拥包病害的检测及分析效率.
文献关键词：
道路工程;路面病害识别;卷积神经网络;路面检测;坑槽与拥包病害
中图分类号：
作者姓名：
谢程波;常力夫;薛增光
作者机构：
浙江交通职业技术学院,杭州311112;浙江理工大学,杭州310000
文献出处：
引用格式：
[1]谢程波;常力夫;薛增光-.基于卷积神经网络的路面坑槽与拥包病害识别)[J].浙江交通职业技术学院学报,2022(03):27-32
A类：
坑槽与拥包病害
B类：
路面坑槽,沥青路面,识别精度,精度与效率,三维数据,训练样本,络病,识别模型,光面,面扫描,扫描技术,技术获取,道路坑槽,分类模型,病害分类识别,识别准确率,精确率,城市道路,检测及分析,分析效率,道路工程,路面病害识别,路面检测
AB值：
0.300805
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。
