面向多类路面病害的智能集成检测方法OACHSSCDCSTPCD
为提升路面病害检测效率,弥补当前病害排查手段低效费时的弊端,本文以深度学习技术为支撑,结合图像分类与目标检测技术,提出一种面向多类型路面病害的集成性智能检测方法。该方法将路面种类分类、路面病害判别和路面病害检测3个功能模块进行有效集成。首先,调整VGG-16算法,并加入SE注意力机制;其次,优化YOLOv7检测网络,添加小目标检测层的同时融入CBAM前馈卷积注意模块。结果表明,调整后的VGG-16网络在路面种类分类、路面病害判别任务上准确率均在98%以上,优化后的YOLOv7使沥青、混凝土、砌块路面检测平均精度分别提高了3.00%,1.80%,3.90%。经实地测试,3个模块平均准确率分别为99.72%,98.28%,91.52%,整体方法综合准确率为89.69%。研究结果为路面病害快速筛查,实现整体评估提供有效参考。
韩豫;李文涛;刘泽锋;李康;杨林;
江苏大学土木工程与力学学院,江苏镇江212013
交通运输
道路工程道路病害检测深度学习图像分类YOLOv7
《土木工程与管理学报》 2024 (002)
P.10-17,30 / 9
江苏省高层次人才项目(SZCY-014);江苏省研究生实践创新计划(SJCX22_1872);企业委托项目(KSJCKY202003)。
评论