青藏公路病害图像提取及分析

青藏公路作为进出西藏的主要干道,对西藏经济发展有着极其重要作用。受多年冻土的影响,青藏公路在运营过程中产生了较多的病害。为研究多年冻土区青藏公路楚玛尔河K2942路段公路病害与路面平整度,通过采用无人机航拍来获得影像数据,利用遥感图像分析软件中的图像分割功能对研究区域的病害类型和发生面积进行了定量化分类提取,并利用地理信息系统(GIS)中的空间分析技术获取了路面平整度信息。通过研究,提出了以无人机航拍图像为基础进行公路病害定量提取的新方法,为更高效、快速、便捷地研究青藏公路多年冻土区公路病害提供参考。     

基于深度学习的公路路面病害智能化检测系统

公路交通对国家政治、经济发展有着重大的作用。随着公路的快速发展,公路安全问题也应得到更多关注和维护。传统的公路路面病害人工检测法效率低下且准确率低,因此,提出了基于深度学习的公路路面病害智能化检测系统。首先,在异常检测阶段,构建卷积编码器从大量公路路面图像中提取出病害图。其次,在异常提取阶段,利用阈值分割法提取公路路面病害特征。最后,在公路路面病害分类阶段,利用ResNet结构训练模型来确定公路路面病害所属的分类。结果表明,该方法一次模型训练约3 min,且分类准确率在90%以上。     

路面裂缝图像处理算法研究

为了避免传统人工视觉裂缝检测方法的耗力、耗时、不精确、影响交通、危险、花费高等缺点,提出了一种新的基于图像处理技术的路面裂缝类病害自动识别算法。识别分为两个步骤:首先以一个5×5的窗口为基准,在这个窗口中确定9种不同的掩膜模板,对有噪音的路面图像进行平滑和增强;然后基于阈值分割理论,采用最大类间、类内距离准则对图像进行阈值分割,提取图像上的裂缝特征。最后对采集的200幅路面裂缝图像进行了平滑和分割试验研究,和Robison等常用的平滑模板相比,对图像进行增强的同时较好地保护了裂缝边缘。在对平滑后的图像进行分割当中,和Hough变换、数学形态学等分割算法进行了对比研究,结果表明了该算法在精度、速度和可靠性方面具有一定的优势。     

路面裂缝图像自动识别算法综述

路面裂缝自动检测对于路面养护管理、路面性能评价与预测、路面材料和结构设计具有重要的实用价值,但快速、准确、全面且稳定地识别路面裂缝一直是个难题.为此,对路面裂缝自动检测研究现状进行综述,包括以图像增强和去噪为目的的预处理方法,基于阈值分割、边缘检测和种子生长的空间域识别算法,以小波变换为代表的频域识别算法,基于有监督学习的识别算法及其他裂缝识别方法;指出既有裂缝识别算法存在易受光照和油污等因素的影响、裂缝识别图像连续性差和识别速度和精度较低等不足.最后,提出综合考虑边界和区域特征消除纹理和噪声干扰、基于局部和全局信息设计优化识别算法和基于三维图像进行裂缝识别等研究展望,为裂缝自动识别算法的改进提供参考.     

基于深度学习方法的路面裂缝目标检测

公路和城市道路最主要的路面损坏类型是裂缝类病害。能否准确识别,尤其在众多路面信息图像中高效甄别各类表观病害,为路面技术状况评定、养护科学决策和路面病害处置提供基础数据,是当前领域研究的重难点。为此,对横向裂缝、纵向裂缝、斜裂缝长度类和龟裂、破损板面积类等典型裂缝类病害几何特征进行分析,确定了自动识别裂缝样本标注方法,构建了路面裂缝目标检测样本库,包含沥青裂缝长度类图像样本6 311个、龟裂面积类图像样本4 086个、水泥裂缝长度类图像样本37 945个、破碎板面积类图像样本7 310个。基于Faster-RCNN进行训练验证,开展路面裂缝目标检测并实现自动识别。利用北京市政道路2 000 km路面图像进行试验验证,并与路面裂缝Unet分割自动识别方法进行对比。试验结果表明,开展路面裂缝目标检测可通过提出的深度学习方法,有效提高召回率和准确率,其值高达85%以上,自动识别运行效率为12.3帧/s,与Unet分割自动识别方法对比更接近路面裂缝实际情况。     

基于改进SegNet的沥青路面病害提取与分类方法

针对现有SegNet算法难以精确区分裂缝和灌封裂缝等具有相似特征的沥青路面病害的问题，提出了基于改进SegNet网络的沥青路面病害提取方法。针对道路标线和光照不均匀等导致路面病害图像质量差异化的因素，本研究在去除道路标线的基础上，运用带色彩恢复的多尺度视网膜增强算法，降低道路标线和光照对图像质量的影响以及增强路面病害图像的对比度、色调和亮度，提高病害的识别精度；为了充分利用图像的上下文信息，解决SegNet网络对细微病害分割效果不佳的问题，引入残差神经网络（ResNet）作为编码器，并对解码器中每个上采样产生的特征图拼接2个分别由卷积层（1×1的卷积核）和空洞卷积层从对应的编码器中获取的尺度相同的特征图；运用形态学闭运算连接分割结果中不连续的裂缝。为了验证改进算法的有效性，将其与典型的语义分割方法（SegNet和BiSeNet）在测试集上进行测试和性能对比。研究结果表明，3种方法的平均交并比（MIoU）和F1分数（F1-score）分别为（82.4%，98.9%），（69.4%，94.0%），（80.5%，98.1%）；利用这3种方法对甘肃省部分路段路面病害的提取效果进行对比测试，提出方法的裂缝漏检率和误检率分别为2.91%，1.94%，优于SegNet（10.68%，14.56%）和BiSeNet（6.80%，12.62%）。本研究所提方法能够更精确地提取和区分沥青路面裂缝和灌封裂缝。      

公路路面自动检测系统发展综述

路面检测数据是路面使用性能评价和路面养护管理决策的基础。公路路面自动检测技术水平的提高,将极大地提高路面自动检测系统的检测精度和工作效率。该文介绍了国内外公路路面自动检测技术发展的现状,指出了存在的问题,并探讨了公路路面自动检测技术未来可能的发展方向。     

重庆市普通干线公路特征与养护状况调查

为全面了解重庆市普通干线公路特征与养护技术的应用情况,选取永川、涪陵、忠县3个地区具有代表性13条路段进行弯沉测试、路面病害调查及钻芯测试物理力学指标,结合前期收集的"十二五"期间重庆市34条普通干线公路135个路段结构状况,从路面结构、病害特征及养护技术使用效果3个方面对重庆市普通干线公路进行分析。总结出重庆市普通干线公路特征与养护状况,为普通干线公路的养护和管理提供参考和决策依据,以进一步推广预防性养护技术的应用。     

沥青混合料自动检测及其接口技术研究

给出了一种新的智能化的沥青混合料检测方式,论述了自动检测系统的整体构成和各部分的实现方法。使用了数字图像处理技术中的图像预处理、图像复原、图像分割、数学形态学、边缘跟踪、数据拟合和图像数据库等方法构筑沥青混合料自动检测系统。针对各种算法的实现分别使用了DELPHI和MATLAB等软件。文中给出了几种软件之间的实现接口。实验证明,该方法是一种新的智能化的检测方式,可以有效地提取沥青混合料的各项特征参数。     

基于YOLOv5和DeepLabv3+的桥梁结构病害智能识别技术

传统以人工为主的桥梁表观病害识别方式存在着效率低下、风险高等问题，已不能满足当今桥梁检测任务的要求。针对上述问题，本研究结合目标检测与语义分割技术，提出了一套桥梁表观病害智能识别算法，完成了桥梁病害的智能识别与尺寸计算任务。研究中通过多种手段收集桥梁病害图像，构建桥梁表观病害目标检测数据集和语义分割数据集；训练了YOLOv5病害识别及定位网络和DeepLabv3+病害区域提取网络；对病害区域提取结果进行噪点去除、毛刺剔除、裂缝体分解等预处理后，采用邻域划分和正交骨架实现了病害长、宽尺寸的计算，并在桥梁实拍病害图像上进行了算法测试。本研究开发的病害识别技术实现了桥梁表观病害高效率、高精度的自动识别和尺寸计算，提升了桥梁检测的工作效率和安全性。     

基于日常养护的路面病害识别与管理系统在滨州公路养护中的应用

基于日常养护的路面病害识别与管理系统实现了路面病害的自动化采集和计算机同步自动识别,后台通过管理系统进行信息化管理。系统为路段级公路日常养护带来多方面便利,改善日常用户检测依赖人工观察和手工丈量的现状,实现日常养护中病害检测的自动检测;改善目前路段养护管理不成体系,难以追踪养护历史等现状,实现养护管理的信息化。     

西部寒旱地区公路路面开裂病害分析

西部寒旱地区海拔较高、气候恶劣,在干湿冻融循环、冷热交替、水分和外部荷载等因素的影响下工程地质会发生变化,使得公路发生不同种类和程度的病害影响,路面开裂是公路病害最常见的类型。对于西部寒旱地区公路路面开裂病害的类型和成因进行分析,包括低温收缩开裂、变形开裂、剪切开裂、反射开裂、疲劳开裂等,对西部寒旱地区公路施工技术措施进行研究。     

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。     

基于混合高斯背景的交通视频分析

在将道路监控视频转单帧后,利用灰度变换、锐化、滤波、二值化等方法对图像进行预处理,以高斯混合模型对图像前景提取,进行边缘检测获取较为清楚的前景车辆图,在摄像机标定基础上,建立路面车辆和图像像素点的映射关系,再以虚拟线在图像上作计数依据,进而获得车流量。同时通过对普通背景差分模型与高斯混合背景模型的比较分析,选用高斯混合背景模型对预处理之后的图像进行背景分割。并结合粘连图像分割和阴影处理算法,对前景图像进行修复,得到良好的前景目标。采用高斯背景模型对样本视频处理,得到了满意的监控分析结果。     

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...     

路面破损图像几何畸变校正技术研究

论述开发公路路面破损自动检测系统的必要性，建立了由承载车及其附属装置，路面破损图像采集子系统，路面破损定位子系统，数据处理子系统构成的路面破损自动检测系统，根据检测路面宽度要求，选择了适当的摄像机及镜，分析了摄像机位置参数对图像采集的影响，确定了合理的摄像机安装位置，通过光电编码器控制图像采集频率，实现路面图像自动采集，同时，利用3次多项式对镜头失真引起的图像几何畸变进行校正实验，结果理想。     

融合自适应光照预处理和深度学习的钢桥腐蚀检测方法

针对钢结构桥梁实桥腐蚀图像往往由于光照条件较差或光照不均匀导致腐蚀区域检测困难的问题,提出了一种融合自适应光照预处理方法和深度学习的钢桥腐蚀检测方法。首先,采用Global and Local Fusion(GLF)对比度增强算法结合KinD++低光增强模型的方法,对图像进行预处理;其次,采用粗标注结合K-means算法标注腐蚀区域得到分割标签;最后,采用原始图像和预处理后图像分别对UNet++网络进行了训练和测试,验证了所提出的预处理方法的有效性和优越性。结果表明：所提出的自适应光照预处理方法有效改善了实桥腐蚀图像的光照不均和低光照问题,修复和增强了细节和纹理特征信息,颜色保真度较高;所提出的数据标注方法能够精准标注腐蚀区域,减少边缘描绘工作;与原始图像相比,该方法预处理后的图像训练的模型在准确率、精确率、召回率、F1-score、交并比IoU和A_UC上分别提高了5.2%、2.7%、22.5%、19.4%、25.4%和10.5%;对于光照良好的均匀腐蚀图像,预处理对分割精度提高有限,对于点蚀图像,分割精度有较大的提高,对于低光照或光照均匀性较差的图像,分割精度得...     

基于图像识别的热料仓级配监控技术研究

分析了利用图像处理技术对沥青拌和楼热料仓分段级配进行提取监控的可行性;通过室内试验,获取动态集料图像;利用图像处理技术对图像进行预处理、增强、分割、分析,最终得出集料级配,并与实际级配值进行对比,试验效果良好。     

G320宜春段、萍乡段:英达热再生在江西“落地生花”

在各省的交通"十二五"规划中,国省干线公路的养护升级都是重中之重。G320是我国东西向的一条重要国道,近日,英达大型热再生机组先后在G320宜春段及萍乡段进行了大规模养护施工,以优异的施工质量、"国际领先"的技术优势得到了专家和业主的一致认可。G320宜春段:"公路医生"治愈十年"旧疾"经过近10年的运营,G320宜春段路面出现裂缝、坑槽、沉陷、车辙、麻面等病害。其主要原因为:交通量大、超载车多。十年"旧疾",如何治理?英达"对症下药"出具治理方案:局部基层病害预处理,之后进行整体的复拌就地热再生施工。施工中,英达机组在破损路面上缓缓驶过,一条重获"健康"的新路在     

高原冻土区既有公路病害特征和融沉变形分析

基于G214既有公路现场调查和实体监测,对公路沿线冻土特征与道路病害之间的关系等进行了深入分析。采用现场调查的方法对沿线路面病害状况进行了调查分析,结果表明:路基路面的病害类型及病害程度主要与路面类型、冻土类型和路基高度有关。结合现场调查结果和监测资料分析,对G214沿线公路病害成因进行了深层次的探讨,并得出冻土区道路的病害主要由路基的不均匀融沉变形引起的。通过对沿线路面实测变形调查和分析,得出了在路面宽度为8.5 m的水泥混凝土路面纵裂发生的位置和路面发生纵裂时的临界沉降值,这对冻土区水泥混凝土路面病害的防治具有重要意义。