基于卷积自编码的沥青路面目标与裂缝智能识别

目前基于深度学习的路面裂缝识别经常面临训练数据集小，以及路面图片标注成本高等问题，基于小规模路面图片数据集，利用卷积自编码（CAE）方法进行数据增强，开展包括路面裂缝在内的路面目标智能化识别方法研究。在传统图像几何变换数据增强的基础上，采用CAE重构图片方法对原始数据集进行两步骤扩增；利用卷积神经网络DenseNet，设置了不同数据扩增方法的对比试验；针对沥青路面裂缝图片背景较黑，裂缝特征不清晰，无监督聚类学习难度大等问题，采用了一种基于CAE预训练的深度聚类算法DCEC，对经数据增强的路面图片进行无标注的聚类识别。研究结果表明：经过DenseNet网络100代的训练，在同一测试集的测试下，基于原始数据集训练的网络分类准确度为78.43%，利用传统图像处理方法进行扩增后准确度为83.44%，利用所提出的图片增强方法进行数据扩增后准确度达87.19%；在保持扩增后数据集样本量大小相同的情况下，与几何变换、像素颜色变换等经典数据增强手段相比，CAE重构图片的数据扩增方法有较高的路面图片识别精度；CAE数据扩增方法较受训练数据集样本量的影响，利用传统方法将数据集扩增后进行CAE特征学习，重构后的图片样本更易被机器识别；相较于传统机器学习聚类算法，所提出的的DCEC深度聚类方法将聚类准确率提升了约10%，初步实现了无需人工标注的路面目标的端到端智能识别。     

基于Crack Mask R-CNN模型的路面裂缝像素级分割及测量算法应用分析

针对现有路面裂缝分割存在的问题,该文提出一种Crack Mask R-CNN像素级分割算法。Crack Mask R-CNN是一种用于路面裂缝图像的实例分割框架,其不仅可对图像中的裂缝进行检测,还可以对每一个裂缝的具体轮廓给出一个高质量的分割结果。首先对采集的道路裂缝大数据进行数据去噪和数据增强,构建用于模型训练、测试的数据集;其次,通过优化分割算法中锚框的比例和大小提高模型选择裂缝候选区域的准确度,并使用IoU-guided非极大值抑制（Non-Maximum Suppression,NMS）算法替代传统算法,以此提高道路裂缝分割精度。在模型学习超参数优化方面,通过训练多种组合算例,从中选择分割效果最优的超参数组合,最终训练出裂缝分割精度为93.45%的分割模型;最后,通过提取裂缝区域的拓扑特征信息,进一步实现裂缝像素级别尺寸信息的有效测量。     

连续配筋混凝土路面早期横向开裂分析

结合耒宜高速公路连续配筋混凝土路面(CRCP路面)试验路的调查结果，分析了CRCP路面早期横向开裂的影响因素。结果表明，混凝土的温缩和于缩作用受到钢筋和地基的约束是造成开裂的主要原因。从而为了解CRCP路面的裂缝成因及合理控制裂缝间距、裂缝宽度和钢筋应力提供了参考依据。     

基于Faster R-CNN与形态法的路面病害识别

为提高基于图像处理的路面表观病害检测识别效率及精度,引入目标检测中的快速区域卷积神经网络（Faster Region Convolutional Neural Network,Faster R-CNN）算法以快速识别病害种类、位置与面积;针对已提取的带边框裂缝病害区域,采用基于VGG16迁移学习与模型微调的CNN与50%重叠率的滑动窗口定位裂缝骨架,进而利用形态法操作提取裂缝形态,计算其长度与宽度;针对Faster R-CNN算法在病害种类识别时漏检率低但误检率偏高的问题,引入精确率、召回率和F₁分数指标对算法进行评估,并根据F₁分数最大值确定相应的病害框像素面积及置信度阈值来降低误检率,以适应路面表观病害多样化的应用场景。运用开发的病害识别算法对广东一高速公路路面进行表观检测。结果表明：所提方法对典型裂缝图片的识别效率及精度均高于单独应用CNN滑动窗口和传统形态法的全局图像处理方法;对分段的裂缝边界框进行合并,且病害框像素面积及置信度阈值取优化值后,横向裂缝精确率由合并前的0.861提升至合并后的0.918,横向及纵向裂缝误检率则分别由调整前的20.4%和23.8%下降至调整后的8.2%和6.9%,漏检率则稍有提高。基于Faster R-CNN、CNN及形态法的路面病害识别方法具有工作高效、漏检率低的优点,在引入评估指标、最优病害框像素面积与置信度阈值后,病害误检率也大幅降低,具有潜在工程应用价值。     

基于改进U型神经网络的路面裂缝检测方法

针对传统的裂缝分割算法难以识别狭窄裂缝且分割边缘不精准，从而造成识别精度较低的问题，研究了基于改进U型神经网络（Unet）的路面裂缝检测方法。由于传统Unet特征提取网络是层次较浅的浅层神经网络，难以提取更复杂的裂缝特征信息，故本文以牛津大学视觉几何组网络（VGG16）作为传统Unet的特征提取网络，提高网络的裂缝特征提取能力；为抑制高低阶特征融合时产生的无用特征，本文在模型解码部分添加压缩与激励单元（SE block），构建裂缝注意力单元，使得网络可以关注不同通道下的裂缝特征，建立了基于SE block和VGG16的改进Unet网络（SE-VUnet）。研究采用迁移学习的方法，将在ImageNet上预训练好的VGG16网络权重迁移到裂缝检测中。通过挑选Crack500数据集，并使用摄像头采集图片构建1 600张路面裂缝数据集，再次训练SE-VUnet模型，获得裂缝区域分割结果。以查准率（precision）与查全率（recall）的加权调和平均值F1和雅卡尔（Jaccard）相似系数作为量化评价指标。将SE-VUnet分别与Unet、SOLO v2、Mask R-CNN以及Deeplabv3+进行分割效果和实时性对比。研究结果表明:SE-VUnet模型的综合F1和雅卡尔系数分别为0.840 3和0.722 1，相比于Unet分别高出了1.04%和1.51%，且均高于其他3种对比模型；SE-VUnet的单帧图片预测时间为89 ms，在分割效果提升明显的情况下仅比Unet慢5 ms，优于其他模型。      

基于机器视觉的路面裂缝病害多目标识别研究

为了建立一种基于深度学习卷积神经网络的多目标路面裂缝检测模型,实现对路面裂缝的精确识别、分割与统计,采用卷积神经网络Mask R-CNN为主干框架,融入ResNet模型与特征金字塔网络(FPN)提高对病害特征提取的精度,建立了针对裂缝病害识别的基础网络体系;考虑裂缝病害图像特征,采用随机梯度下降算法与冲量算法优化损失函...     

基于Jetson TX2的路面裂缝检测系统设计

针对目前采用深度学习框架的路面裂缝检测方法存在落地应用难、成本高与效率低等问题，设计了基于Jetson TX2的路面裂缝检测系统。通过YOLOv5网络识别路面裂缝，使用U-Net网络对裂缝目标进行分割，并根据分割结果进行路面健康评价；其次，利用TensorRT方法优化深度学习模型，提高推理速度；最后，结合DeepStream框架设计路面视频流分析系统并部署到Jetson TX2嵌入式平台。实验结果表明：路面裂缝目标检测模型对横向、纵向和网状裂缝3种路面常见路面裂缝的检测精度均达到了90%以上，且模型优化后的推理速度为30.7 ms/帧，速率提升35.1%;最后经过验证，Jetson TX2嵌入式平台的裂缝漏检率较低且满足路面裂缝检测的实时性，能够降低路面裂缝检测的成本，给出相应的维修建议，提高路面裂缝检测效率与自动化程度。     

基于深度学习语义分割的桥梁病害图像像素级识别方法

为了解决如何从背景中把感兴趣的桥梁病害区域以像素级精度识别出来的问题,本文针对混凝土裂缝、钢材锈蚀、表面涂层脱落、混凝土掉块4种桥梁局部病害形式,提出了一种基于深度学习语义分割的桥梁病害图像像素级识别方法,通过构建由一系列功能层组成的深度卷积神经网络(包括卷积层、批归一化层、非线性激活层、最大池化层、反卷积层、全连接层、softmax分类层等),实现像素级的病害区域识别。以考虑不平衡数据处理的像素级交叉熵分类损失为模型训练的损失函数,同时采用数据增强方法,对输入输出图像随机采用逆时针旋转90°、180°、270°、水平翻转、竖直翻转的形式来提高模型的泛化能力。将400张原始病害图像和其像素级分割真实值分别作为输入和输出,80%进行训练,剩余20%作为测试集。随着训练过程的进行,损失不断下降,准确率逐渐上升,最终经过100轮次训练(每轮的批次大小为32),准确率提升至94. 96%。测试结果表明,训练模型基本可以实现对混凝土裂缝、钢材锈蚀、表面涂层脱落、混凝土掉块4种桥梁局部病害区域的像素级识别,其中可以很好地识别出在较简单背景下的混凝土裂缝病害区域,而对于复杂背景下的表面涂层脱落、混凝土掉块、钢材腐蚀耦合发生时的识别结果的准确度则相对降低。可能原因是由于在实际复杂场景下,表面涂层脱落、混凝土掉块具有很大程度上的相似性,并且钢材腐蚀往往伴随着表面涂层脱落、混凝土掉块的发生。     

基于卷积神经网络的路表病害识别与测量

为进一步提高利用二维图像统计路面病害的精度与效率,将卷积神经网络（Convolutional Neural Network,CNN）技术引入了基于图像分析的路面病害识别与测量。首先,将原始图像进行等尺寸分割作为CNN的训练样本。其次,经结构设计、前反馈算法训练及样本测试3个步骤后,建立病害识别模型（CNN1）。用训练完成的CNN1对所有图像进行病害类型识别并将输出结果作为裂缝特征提取模型（CNN2）和坑槽特征提取模型（CNN3）的训练样本。采用相同步骤建立裂缝特征提取和坑槽特征提取模型,完成训练后,运行CNN2,CNN3对路面裂缝与坑槽图像进行特征提取。最后,分析图像分辨率对3个CNN识别和特征提取精度以及效率的影响。结果表明：CNN1可以准确识别多种病害,CNN2的裂缝长度提取的平均误差为4.27%,宽度提取的平均误差为9.37%,裂缝病害严重等级判断准确率为98.99%;CNN3的单张图像中的坑槽个数测量无误差,单个坑槽面积的平均误差为13.43%,坑槽病害等级判定准确率为95.32%,可见CNN具有较高的测量精度;CNN1在使用CPU的情况下测试完成原始图像平均用时为704 ms·幅^-1,CNN2用时为5 376 ms·幅^-1,采用图形处理器加速后CNN1用时为192 ms·幅^-1,CNN2测试平均用时为1 024 ms·幅^-1,可见CNN在图形处理器加速下效率具有显著优势,相比其他方法,在图像分辨率高于70像素时,CNN对路面裂缝与坑槽的识别与测量具有运算高效、结果精准等优势。     

基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法及验证

针对基于边缘检测算法、阈值法等传统的混凝土裂缝检测算法易受到干扰的问题，采用基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法对混凝土裂缝检测难的问题进行研究，并通过对桥梁裂缝图像真实数据集进行检测验证。检测结果表明：1)所研究的轻量化卷积神经网络模型能够实现像素级的标注；2)所研究的轻量化卷积神经网络模型训练参数相比其他文献明显减少，权重文件所占内存明显减小；3)所研究的神经网络模型能够清晰准确地划分出图像中的裂缝像素，且不受图像分辨率大小、对比度等因素影响。上述结果表明，所研究的网络模型具有在像素级准确检测裂缝的良好性能，且权重文件占用内存小，能很好地适用于工程实践。     

低坍落度混凝土早龄期单轴直接拉伸试验研究

为了研究钢筋的存在对连续配筋混凝土路面(CRCP)早期开裂的影响,缓解连续配筋混凝土早期开裂的问题,为连续配筋混凝土路面设计提供依据,基于对轴向直接拉伸试验和间接拉伸试验试验难度和效果的区别,以及连续配筋混凝土路面在温缩和干缩作用下受力状态的符合程度,通过轴向直接拉伸模拟连续配筋混凝土路面早期开裂的过程,采用控制变量的试验方法对不同配筋率、不同配筋形式及不同龄期的钢筋混凝土试件在轴向拉力作用下的开裂性能进行试验分析。为探索钢筋和混凝土的应变以及裂缝的产生和发展的规律,基于传统直接拉伸试验,通过优化拉伸试件的形状与尺寸来提高轴向受力的符合程度,使用球铰支座固定试件避免试件偏心受压,利用高精度摄像与图片处理技术提高裂缝的发展过程中观测数据可靠度,采用位移控制模式对试件进行轴向拉伸并记录首次开裂以及裂缝发展过程中钢筋和混凝土应变数据。通过钢筋混凝土开裂过程的动态观测和试验数据分析,研究了在轴向受拉状态下连续配筋混凝土路面结构的力学性能,得出了首次开裂后不同配筋率的连续配筋混凝土的受力特点和引起配筋混凝土早期开裂的极限拉应力、应变的时变规律,并给出了相同配筋率下合理的配筋位置、配筋数量和钢筋的截面尺寸。     

公路路面防水抗裂层在青银高速公路养护工程中的应用

半刚性基层材料易受水和温度的影响产生干缩和温缩裂缝,并在行车荷载、温度和湿度等因素作用下形成反射裂缝,雨水或雪水的浸入会导致基层变软,路面强度降低,直至路面结构性破坏。本文笔者从解决路面开裂水损害问题出发,研发出一种新型沥青结构功能层,能够将裂缝引起的应力消散,有效消弱基层裂缝对沥青面层的应力集中,防止基层开裂向面层传递,起到防水、抗裂效果,从而实现面层无裂缝,防止基层水损害,延长道路使用寿命的目的。通过应用于青银高速预防性养护工程,跟踪观测达到了预期的效果。     

沥青路面失效开裂的数值模拟研究

为了深入了解沥青路面受荷载作用时的裂缝扩展规律,基于失效开裂材料二次开发以及扩展有限元方法,建立沥青路面的数值计算模型。通过试验与计算结果对比,分析沥青复合梁在荷载作用下的失效开裂特性,对比研究失效开裂材料二次开发模型与扩展有限元模型的计算结果。结果表明:基于失效开裂材料二次开发建立的计算模型可以很好地模拟沥青路面的裂缝扩展规律,计算结果与试验结果吻合良好;预设裂缝对路面受力性能的影响极大,在进行实际施工时应尽量减少路面材料裂缝,并提高路面的抗疲劳性能,以保证其良好的受力性能;平板支撑方式下沥青复合小梁裂缝扩展行为与实际路面状况极为接近;相比扩展有限元方法,基于失效开裂材料二次开发建立的计算模型适用性更好。     

半整体式全无缝桥接线路面裂缝宽度计算

该文是在研究带预锯缝的半整体式全无缝桥接线路面温降效益的基础上进行的,综合考虑影响接线路面开裂的主要因素(梁体温缩变形,混凝土干缩及温缩作用和行车荷载)的作用,引入了表面裂缝转化系数和行车荷载裂缝宽度影响系数,推导了全无缝桥梁接线路面表面裂缝宽度的计算公式,并将试验参数代入理论推导公式对比试验结果,论证理论推导的正确性。     

沙漠公路倒装式沥青路面力学性能研究

沙漠地区昼夜温差大,年最热月、最冷月极端气温均较为明显,公路产生温缩、干缩开裂病害难以避免,造成路面结构强度下降。基于此,提出沙漠公路倒装式沥青路面结构试验段方案,利用粒料类柔性基层防止或延缓沥青路面反射裂缝。根据《公路沥青路面设计规范》（JTG D50—2017）中路面结构验算方法,采用HPDS计算软件,分析研究倒装式沥青路面级配碎石层厚度、模量对路面结构力学性能影响以及路面结构的疲劳衰减性能。结果显示：级配碎石层过厚,容易造成沥青层的弯拉疲劳开裂,且路表弯沉值小幅减小,而厚度过小,不宜压实,容易产生离析,应以15～18 cm为宜;级配碎石层回弹模量越大,半刚性层疲劳开裂和沥青混合料层疲劳开裂对应的累计当量轴次以及沥青混合料层永久变形量均增大,半刚性层层底拉应力明显减小。     

温度荷载下沥青路面裂缝扩展的数值模拟研究

基于线弹性断裂力学的有限元法,分析了沥青路面开裂以后的温度应力及裂缝在温度作用下的扩展规律,对裂缝尖端的应力强度因子及其与路面温度分布和路面材料特性参数之间的关系进行了数值分析。分析结果表明,在沥青路面的抗裂设计中,合理设计沥青面层的厚度和优选温缩性小的路面材料是提高沥青路面抗裂性能的两个重要方面。     

宜黄高速公路荆沙段路面纵缝形成机制研究

在阐述路面纵缝的发育状况基础上,论述了路面纵向开裂的形成机制,其内因是边坡坡度过陡,填土具有一定的胀缩性,外因是雨水入侵,综合作用使路堤边坡侧向缓慢蠕动,在路堤中形成裂缝,逐渐发展至路面,导致路面出现纵向开裂,形成边绵数公里的纵向裂缝.然后探讨了治理方案,认为可采用喷锚或高压旋喷注浆+高压注浆方案,或挡土墙+高压注浆,或抗滑桩+高压注浆等措施进行治理.     

基于双层连通性检测的路面裂缝图像识别算法

针对路面裂缝图像识别结果容易存在孤立噪声和断续边缘的情况,提出了基于像素-裂缝子块双层连通性检测的图像自动识别算法,主要有4个部分:(1)基于自适应灰度拉伸的图像增强算法;(2)基于自适应大津法和八方向Sobel梯度信息的组合分割算法;(3)基于连通性检测的二值图像去噪算法;(4) 32×32裂缝子块识别和优化连接算法.然后,对5张3056×2048的路面破损图片进行裂缝识别,结果显示,该算法从像素和裂缝子块这2个层次进行连通性增强处理,可获得完整而连续的裂缝图像.最后,针对10张512×512的路面破损图片,对全局OTSU分割、八方向Sobel检测、Canny检测和本文算法进行测试,各算法综合性能指标F1值依次为62.46％、23.84％、10.45％和88.30％,准确率依次为83.45％,27.82％,17.83％和86.60％,召回率依次为56.89％,21.83％,8.89％和90.68％,体现了本文算法的优越性.     

高等级公路半刚性基层沥青路面裂缝处治技术

对由于温缩机理和干缩机理引起的基层开裂和因荷载型裂缝和非荷载型裂缝所引起的沥青面层损坏原因以及裂缝成因进行分析,并分别从路用材料、路面结构组合、施工技术以及现场再生维修等方面提出了一些针对半刚性基层损坏而导致路面破坏的防治措施。     

宜黄高速公路荆沙段路面纵缝形成机制研究

在阐述路面纵缝的发育状况基础上，论述了路面纵向开裂的形成机制，其内因是边坡坡度过陡，填土具有一定的胀缩性，外因是雨水入侵，综合作用使路堤边坡侧向缓慢蠕动，在路堤中形成裂缝，逐渐发展至路面，导致路面出现纵向开裂，形成边绵数公里的纵向裂缝。然后探讨了治理方案，认为可采用喷锚或高压旋喷注浆＋高压注浆方案，或挡土墙＋高压注浆，或抗滑桩＋高压注浆等措施进行治理。