基于AI的路面病害自动识别系统研发与应用

在日常养护巡查路面病害识别方面,大多采用肉眼观测实际路面或人工判读路面影像的方式,而人工识别病害存在漏检现象,准确率和工作效率较低。为解决该问题,以AI代替人眼进行路面病害识别,并进行路面病害的可视化管理。基于AI的路面病害自动识别系统可显著提升路面病害识别效率,为路面病害自动化识别技术的发展做出贡献,提高养护管理科技水平。

改进YOLOv5的沥青路面病害检测算法

为提升沥青路面病害自动化识别的准确率,提出一种特征网络增强算法(YOLO-EH)。该网络包含一种可以与CBAM注意力机制进行结合的新型特征增强模块(FEM)以及一种可以对FPN添加反馈链接的新型逆向二次循环特征金字塔网络(RCFPN)。实验结果表明,与原YOLOv5算法相比,YOLO-EH对于同一批路段数据在平均病害识别准确率上提高了2.6个百分点,验证了其准确性与有效性。

基于卷积神经网络的路面坑槽与拥包病害识别

坑槽与拥包作为城市沥青路面的主要损坏类型,若不及时进行修复,会造成路面的结构性破坏,缩短道路的使用寿命。为了进一步提高路面坑槽与拥包的识别精度与效率,采用三维数据图像作为训练样本,提出新的卷积神经网络病害识别模型;采用激光面扫描技术获取高精度沥青路面三维数据,开发道路坑槽与拥包分类模型CNN 1。结果表明:CNN 1模型能够显著提高坑槽与拥包病害分类识别准确率和精确率,有效地提高了城市道路中坑槽与拥包病害的检测及分析效率。

基于AI的路面病害自动识别系统研发与应用

在日常养护路面病害识别方面,大多采用肉眼观测实际路面的方式,随着科技的发展,为降低劳动强度,发展为利用路面影像人工判读进行病害识别。无论怎样,人工用肉眼识别病害都存在漏检现象,准确率低,工作效率低。为解决此问题,以AI代替肉眼进行路面病害识别,并进行路面病害的可视化管理。基于AI的路面病害自动识别系统研发与应用,显著提升了路面病害识别效率,为路面病害自动化识别技术的发展做出了贡献,提高了养护管理科技水平。