基于深度学习的路桥表观病害检测与评估

摘要

实现路桥表观病害的自动化准确检测具有重要意义,但实际检测中因裂缝病害的特殊细长形态、检测图像视角特征复杂等原因,现有图像识别方法难以有效获得准确、鲁棒的检测结果。针对现有研究难点,提出基于深度学习的路桥表观病害检测与评估方法。首先针对实际检测场景改进图像预处理,构建多视角特征数据集,克服复杂视角特征的干扰;再针对裂缝尺度特征增加定位锚框的高宽比选择,改进Faster R-CNN模型,提升对长细形态裂缝的检测能力;最后采用特征交互融合的4步交替训练法,充分学习模型不同模块间的共享特征,实现对病害的定位与识别。经试验验证,所提出的方法对多种形态裂缝和修补的检测均获得了大于90%的平均精度,具有较高的实际工程价值。