基于深度学习的路面缺陷检测方法研究  

作　　者：韩东耀 

机构地区：[1]山东远通公路工程集团有限公司,山东滕州277500

出　　处：《中国新技术新产品》2024年第8期62-64,共3页New Technology & New Products of China

摘　　要：路面缺陷会给公路监管和路面养护带来严重影响,本文针对目前路面缺陷图像采集方法成本高、效率低的问题,提出一种基于深度学习的路面缺陷检测方法。该方法包括目标检测和图像分割子系统,其中,目标检测使用YOLOv5模型来提升路面缺陷位置识别精准率;图形分割使用“U”形多尺度扩张卷积网络(U-Multiscale Dilated Network,U-MDN)来增强路面缺陷深度特征提取。使用目标检测数据集和图像分割数据集进行试验,其中YOLOv5模型精度为92%;比较U-Net模型和U-MDM模型,U-MDN模型的Precision、Recall和F1-score指标综合表现最优,充分证明了该方法对路面缺陷检测具有有效性。

关 键 词：深度学习 路面缺陷检测 目标检测 图像分割 YOLOv5模型 “U”形多尺度扩张卷积网络 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]