基于卷积神经网络的路面坑槽与拥包病害识别

摘要：

坑槽与拥包作为城市沥青路面的主要损坏类型,若不及时进行修复,会造成路面的结构性破坏,缩短道路的使用寿命.为了进一步提高路面坑槽与拥包的识别精度与效率,采用三维数据图像作为训练样本,提出新的卷积神经网络病害识别模型;采用激光面扫描技术获取高精度沥青路面三维数据,开发道路坑槽与拥包分类模型CNN 1.结果表明:CNN 1模型能够显著提高坑槽与拥包病害分类识别准确率和精确率,有效地提高了城市道路中坑槽与拥包病害的检测及分析效率.

关键词：道路工程、路面病害识别、卷积神经网络、路面检测、坑槽与拥包病害

所属期刊栏目：23

分类号：U416.2(道路工程)

在线出版日期：2022-12-01（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：27-32