基于红外光谱分析与改进CNN的智能道路质量检测技术

摘要

为了精确、快速地识别道路表面的质量情况,及时进行维保,文中提出了一种基于红外光谱分析与改进CNN的智能道路质量检测技术。该方案根据路面图像的红外光谱特征,通过红外光谱识别技术来判断路面是否存在裂缝。为了精准地检测出路面上的裂缝,同时还对CNN模型的ResNet34进行改进,提出了一种编码器-解码器体系结构的检测网络。在仿真实验中,所提出的道路质量检测方法得到的准确率为98.70%,召回率为99.00%,F1值为98.34%,mIoU为76.24%,其检测所需的时间消耗仅为0.51 s,优于SegNet、U-Net和DFN等深度学习方法。