基于机器学习的裂缝检测方法研究

公路在国民生活中扮演着愈来愈重的角色,公路的养护维修不可或缺,养护方案的制定依赖于路面病害的特征数据,如何快速准确地检测路面病害成为当前至关重要的任务。为了克服传统人工检测耗时耗力以及目前裂缝检测车造价高、适用性不强等缺点,基于机器学习的裂缝检测技术应运而生。文章通过将机器学习中的K均值聚类算法和Otsu阈值分割算法应用到无阴影的裂缝图像检测过程,分别得到初步裂缝检测二值图,通过对比分析,K均值聚类优于Otsu阈值分割算法,最终选择K均值聚类实现裂缝检测。最后,由于油污、纹理信息对裂缝检测的干扰,根据连通区域面积、长宽比特征算法完成裂缝二值图像滤波,将滤波得到的裂缝检测二值图应用于裂缝特征的提取和类型判定。