基于深度学习的沥青路面病害感知智能分析模型

近年来,我国高速公路网以每年数千公里的速度增长,高速公路的路面病害检测与养护工程已成为一大热点。然而,由于路面病害结构的复杂性与隐蔽性,现阶段的检测技术还存在速度慢、精度差、检测内容不全面、自动化程度低等问题,传统的检测技术难以适应当前道路建设的发展。三维探地雷达作为一种新型无损检测设备,兼顾无损、高效、精确、连续和数据处理简单的特点。基于此,为更加精准快速地检测沥青路面病害,掌握三维探地雷达的使用方法,本研究选取樟吉高速公路与昌金高速公路共约10km的路段作为试验路段,采用三维探地雷达进行检测,分析雷达检测图像与检测数据,并根据所获取的雷达数据建立YOLOX模型,提出一种基于YOLOX-ResNet50模型的路面病害识别方法。研究表明,根据三维探地雷达检测图像,可以很好地判别裂缝、修补、脱空、层间黏结不良和混合料离析五类病害。

基于三维探地雷达的路面病害智能感知的修复方案决策

沥青路面拥有行车舒适性高、行车噪音小、施工养护较为简便等诸多优点。但是有关调查表明,沥青路面在建成后2到3年容易出现诸如裂缝、离析、层间黏结不良、车辙等形式的损坏。然而,由于路面病害结构的复杂性与隐蔽性,传统的检测技术难以适应当前道路建设的发展。三维探地雷达作为一种新型无损检测设备,兼顾无损、高效、精确、连续和数据处理简单的特点。基于此,为更加精准快速地检测沥青路面病害,掌握三维探地雷达的使用方法,本文选取樟吉高速公路与昌金高速公路共约6km的路段作为实验路段,采用三维探地雷达进行检测,分析雷达检测图像与检测数据,并统计检测路段各类病害,作出最合适的养护设计。研究表明,根据三维探地雷达检测图像,可以很好地判别裂缝、修补、脱空、层间黏结不良和混合料离析五类病害。根据路面病害统计结果,结合项目背景、原设计与施工情况,可以提出具有针对性的路面病害养护设计方案。

基于灰度共生矩阵的沥青路面病害雷达图像纹理特征提取研究

随着电磁波探测在道路领域的日益推广,探地雷达逐渐成为道路内部状况诊断的有效手段。通过探地雷达设备获取的道路内部雷达图像经校零、背景去除、滤波等处理后因图像差异性较大目前没有较为统一的解释。为了探究不同参数下的灰度共生矩阵特征对不同病害图像的适用性,本文首先通过正交试验设计对灰度共生矩阵参数进行组合,然后在不同参数下利用灰度共生矩阵算法对原始雷达图像进行特征计算,最后得到不同参数设置下对比度、逆方差、能量、熵值四种特征图像。结果表明:当滑动窗口为11×11、统计方向为45°、灰度级数为8时,层间黏结不良的熵特征更为明显;滑动窗口为5×5、统计为方向90°、灰度级数为128时,裂缝的熵特征更为明显。本文提出的探地雷达图像纹理特征适用性参数设置对图像分割、识别及数据增强等有一定的参考价值。

高光谱图像在农作物病害检测识别中的研究进展

农作物病害无损检测是保证作物产量和质量的关键环节,起到及时发现病害、指导农药的使用、减少经济损失等作用。本文介绍了高光谱成像技术用于农作物病害检测的原理;从支持向量机、偏最小二乘回归、深度学习识别算法方面综述了2017—2021年高光谱成像技术在农作物病害检测中的国内外研究进展;分析了作物病害高光谱图像识别算法的原理和分类流程,对3种深度学习算法:[深度置信网络(DBN)、基于自编码网络(AE)的栈式自编码网络(SAE)、卷积神经网络(CNN)]在农作物病虫害高光谱图像识别方面的应用进行优缺点对比;对常见深度学习分类指标计算过程和原理进行说明;指出高光谱检测识别农作物病害中面临的问题:异物同谱、数据预处理特征提取过程繁杂、数据量小且训练数据不平衡,并针对这些问题给出未来的研究方向。

地质雷达在既有铁路线边坡病害检测中的应用

为探明既有铁路线路堑边坡可能出现的病害问题,以某既有铁路线工程路堑边坡病害检测为背景,介绍了地质雷达在边坡病害的原理及应用,通过实地测试和地质雷达图像分析,得出地质雷达可快速准确的检测出边坡内部压密不实、空洞等病害,为类似工程提供了借鉴。

基于三维探地雷达的沥青路面结构层间黏结识别研究

对于沥青路面而言,层间黏结状况直接影响到路面的耐久性。本文依托江西某高速的三维探地雷达检测数据,结合实地调查分析,提出基于IPP软件的元素提取方法,对四类不同路面结构进行层间黏结状况的分析。结果显示就层间黏结效果而言,结构类型Ⅰ、Ⅱ优于结构类型Ⅲ、Ⅳ。该结果与其他病害的综合调查结果相吻合,说明该方法在一定范围内具有适用性。