基于Faster-RCNN的探地雷达公路病害图像检测

路面病害检测一直是保障公路施工质量的一大挑战。探地雷达(GPR)作为一种无损检测(NDT)工具,现已被广泛应用于沥青路面的施工监测和评估,但传统的探地雷达图像依靠人工检测,效率较低。深度学习检测算法已证明其能以接近实时的速度从图像和视频中识别各种物体,而目前自动探地雷达图像检测的研究应用很少。为了解决人工识别病害图像的缺陷,提出一种基于Faster-RCNN的GPR病害图像检测模型。样本选取自中柬共建“一带一路”项目金港高速公路上的一个试验路段,利用安装在无人机上的探地雷达检测路面状况。模型利用实地采集的雷达图像进行训练和测试,并采用准确率、召回率和综合平均精度(mAP)评价分类和检测结果。测试结果表明,标记各类病害图像识别的准确率和召回率均>91%,mAP为94.1%。Faster-RCNN模型能准确和定量地识别出探地雷达检测中的裂缝、空洞和松散图像,满足高速公路施工质量检测需要。