基于残差神经网络的沥青路面裂缝识别分类研究

摘要：

为提高沥青路面裂缝的识别精度与速度,提出一种基于残差神经网络的沥青路面裂缝自动识别算法.首先建立沥青路面图像集,使用数据清洗算法对综合检测车采集到的裂缝图像进行数据清洗,构建沥青路面裂缝图像样本数据集,并将图像集按8∶2的比例划分为训练集和测试集;接着采用残差神经网络ResNet50对清洗后的数据进行训练,得到网络权重后使用训练好的网络对沥青路面裂缝数据进行预测,评价网络准确性.试验结果表明:沥青路面图像清洗算法的准确率为95％,能良好地实现沥青路面原始图像的清洗;裂缝图像分类的平均准确率达到94％,其中横向裂缝、纵向裂缝、龟裂、块状裂缝的识别准确率分别为96.1％、94.6％、93.6％和94.1％.

关键词：道路工程、裂缝检测、残差神经网络、深度学习、数据清洗

所属期刊栏目：66

分类号：U416.217(道路工程)

资助基金：浙江省交通厅科技项目2020045

在线出版日期：2021-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：24-29