基于深度学习的沥青路面病害图像智能识别方法研究

摘要：

针对现有沥青路面病害人工检测效率低、影响交通、安全风险大等特点,研究基于深度学习的沥青路面病害图像智能识别方法.通过对不同类型沥青路面病害整体目标区域及特殊样貌特征分别进行标记,对图像进行归一化及数据集扩充等一系列处理,以达到增强目标特征的目的.将细分的11类致灾因子作为神经网络的输入变量,通过模糊推理逻辑创建致灾因子与沥青路面病害等级的映射关系.预先处理神经网络的输入数据和后置处理神经网络的输出数据,结合引入至神经网络中的模糊推理逻辑,建立沥青路面病害综合评价模型.通过AlexNet网络识别出病害类型,并判断其危险度等级.以滇藏公路标号K170路段实际沥青路面病害为例,评判其横向裂缝危险度等级为重度,与实际情况相符,表明该沥青路面病害图像智能识别方法协同模糊神经网络综合评价模型可有效识别沥青路面病害类型并评价沥青路面病害的危险度等级.

关键词：深度学习;图像识别;图像处理;路面病害;模糊神经网络

分类号：U418;U412.6(道路工程)

资助基金：河南省重大科技专项191110211500

在线出版日期：2022-03-16（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：11-16