面向路面裂缝识别的深度语义分割方法

摘要：

裂缝是路面缺陷类型之一,会影响道路的安全和质量,因此识别此类缺陷是公路养护的重要一环.而现在养护信息的获取方式主要靠车载移动设备采集,针对其获取的数据具有场景复杂性、提取裂缝需要具有实时性的特点,采用基于py-torch+deeplabV3+的深度学习模型.通过对Crack500数据集进行格式标准化,再进行训练,可以在道路上得到一个很好的裂缝提取效果,这样不仅可以自动化地在像素级标出裂缝的位置,还可以标注出裂缝的形态,同时可以满足公路裂缝采集车对裂缝的提取要求,为公路养护提供一定支撑和参考价值.

关键词：路面裂缝、语义分割、DeepLabV3+

所属期刊栏目：24

分类号：U418(道路工程)

资助基金：辽宁科技学院大学生创新创业训练计划项目1:500DLG;202211430106

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：9-11,21