基于CNN深度学习的路面损坏轻量化识别系统应用研究

在日常巡查中开展路面损坏状况的科学检查和评定, 及时采取干预性养护措施, 才能长期、 有效地将路面技术状况维持在较高水平。 利用基于数字相机的路面图像快速采集系统和基于卷积神经网络 CNN 智能算法的路面损坏图像处理技术, 构建路面损坏轻量化识别系统, 通过对路面损坏图像样本的迭代训练, 该系统的路面损坏识别准确度能达到 90%以上。 将该系统代替常规人工巡查方式, 能够建立起高频、 快速、 全覆盖的路面健康巡检体系, 实现路面损坏自动化识别及准确定位, 提高了日常巡查的工作效率和质量。     

基于CNN智能算法的路面损坏轻量化识别系统应用研究

在日常巡查中开展路面损坏状况的科学检查和评定，及时采取干预性养护措施，才能长期、有效地将路面技术状况维持在较高水平。利用基于数字相机的路面图像快速采集系统和基于卷积神经网络CNN智能算法的路面损坏图像处理技术，构建路面损坏轻量化识别系统，通过对路面损坏图像样本的迭代训练，该系统的路面损坏识别准确度能达到90%以上。将该系统代替常规人工巡查方式，能够建立起高频、快速、全覆盖的路面健康巡检体系，实现路面损坏自动化识别及准确定位，提高了日常巡查的工作效率和质量。