基于BEMD和KELM的路面病害检测算法

摘要：

受外界环境以及道路材料本身影响,路面会出现破损.尽管裂缝是路面破损的首要表现形式,但是其他类型病害仍然占重要比重.针对传统路面病害检测算法对常见线性裂缝分类准确度较高但对车辙、松散等复杂病害识别效果一般且适应性较差的问题,提出一种基于二维经验模态分解(BEMD)与核极限学习机(KELM)相结合的复杂路面病害识别方法.该方法首先采用二维经验模态分解对路面病害图像进行筛分,然后结合主成分分析法对分解后得到的固有模态分量进行降维,最后将上述得到的新特征输入到核极限学习机中进行训练.实验结果表明该算法对复杂病害有较高的识别率,其中松散病害识别率为95.6％,车辙病害识别率为92.1％,坑洼病害识别率为96.9％,网状裂缝识别率为97.3％,与传统脉冲耦合卷积神经网络相比,该算法提高了约9.85％.

关键词：路面病害检测、二维经验模态分解、核极限学习机、特征提取、固有模态分量、三角剖分插值、主成分分析、脉冲耦合神经网络

所属期刊栏目：46

分类号：TN911.73-34;TP317.4

在线出版日期：2023-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：110-114