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。