基于车载360°环视影像和深度神经网络的路面坑塘与裂缝检测

为解决目前道路智能病害检测系统自动化程度低、运行成本高和准确度差等问题。基于无缝360°环视影像拼接、YOLOv3目标检测深度卷积网络框架以及Inception v3模型,提出一种新的基于改进深度卷积神经网络的环视拼接路面图像坑塘与裂缝检测算法。创新性地提出以YOLOv3为路面病害目标检测网络框架,将其原有的主干网络darknet替换为对于坑塘与裂缝等路面病害深度特征辨识度更高的Inception v3模型,从而更加精确有效地检测覆盖三根车道的多尺度路面坑塘目标。结果表明,算法对于路面病害,特别是坑塘与裂缝的检测总体准确率有明显提升,在所采集的大规模360°环视路面病害数据集上超越了原始YOLO和简化YOLO算法,以及基于MobileNet和VGG16为主干的变种,平均准确率均值mAP能达到72%以上。