基于CNN智能算法的路面损新轻量化识别系统利用研究

王飞 王奔宇 韦靖峰 童戴船

浙江台州甬台温高速公路有限公司 浙江交工集团股份有限公司设想院分公司

摘 要：在日常巡查中开展路面损新情况的科学查抄和评定，及时摘取干涉性养护办法，才气持久、有效地将路面手艺情况庇护在较高程度。操纵基于数字相机的路面图像快速摘集系统和基于卷积神经收集CNN智能算法的路面损新图像处置手艺，构建路面损新轻量化识别系统，通过对路面损新图像样本的迭代操练，该系统的路面损新识别准确度能到达90%以上。将该系统取代常规人工巡查体例，可以成立起高频、快速、全笼盖的路面安康巡检系统，实现路面损新主动化识别及准确定位，进步了日常巡查的工做效率和量量。

关键词：公路养护;路面损新情况检测;轻量化识别系统;卷积神经收集;利用研究;

1 概述

路面损新情况做为路面手艺情况的关键分项目标，不断是公路养护亟待处理的新的问题。路面呈现损新不单会影响美看和行车温馨性，并且随便扩展和衍生，最末招致路面构造性破新，缩短路面利用寿命。因而，在高速公路日常巡查中开展路面损新情况的科学查抄和评定，及时摘取干涉性养护办法，不只能够降低路面全寿命周期内的养护成本，同时包管了路面情况庇护在较高程度。目前，针对路面损新情况的日常巡查次要依靠人工巡查与车辆巡查2种体例，人工巡查固然检测精度高，但耗时吃力且存在必然求助紧急性，车辆巡查因为行车速度快，靠随车人员停止目测，会有笼盖不全及检测不到位情状。

本文针对用于路面巡查中的路面损新识别系统开展利用研究，将轻量化复合传感器和基于卷积神经收集CNN智能算法利用于路面损新快速巡检，成立高频、快速、全笼盖的路面安康巡检系统。

2 高速公路路面破损类型及其特征阐发

根据《公路手艺情况评定原则》(JTG 5210-2018),沥青路面损新可分为裂痕类和非裂痕类，此中裂痕类损新包罗了龟裂、块状裂痕、纵向裂痕、横向裂痕以及裂痕修补；非裂痕类损新包罗了坑槽、松懈、泛油和块状修补[1]。营运高速公路因为建立前提和量量、养护形式和养护目标等因素，路面损新闪现出必然的法例。以台金高速公路为例，2023年路面按期检测中路面损新类型和规模，见表1,次要为横向裂痕(含修补)和水损新(含块状修补)两类。

表1 路面损新类型及占比 导出到EXCEL

类型

横向裂痕

纵向裂痕

龟裂

坑槽

松懈

修补

展开全文

横裂修补

纵裂修补

块状修补

占比/%

0.22

0.64

0.36

0.01

0.01

77.28

9.14

12.30

横向裂痕可分为温度怠倦和反射横向裂痕。此中温度怠倦横向裂痕是因为在温度起落频频感化下，沥青混合料的极限拉应变变小，加之应力松弛性能下降，招致路面开裂。裂痕数量跟着路面利用年限的增长而增加。反射横向裂痕是因为半刚性下层温缩开裂后，做为次要承重层的下层无法传递和扩散行车荷载，招致沥青面层敏捷开裂。

水损新次要是因为自在水侵略并滞留在沥青混凝土孔隙中，会使沥青与集料的黏结力削弱，在行车荷载感化下，产生的动水压力，使碎石外表沥青剥落，部分酿成松懈碎石被车轮甩出，从而产生水损新及衍生病害(含块状修补)。

横向裂痕和水损新的产生会形成雨水进进路面构造层内部的同时，还会招致行车荷载感化于路面的应力发作改变，改动路面构造层受力形态，加速路面构造的破新。为了庇护路面手艺情况持久庇护在较高程度，按捺路面损新开展速度，日常巡查中及时、准确发现横向裂痕和水损新等路面损新，施行修复长短常需要的。

3 基于数字相机的路面图像快速摘集系统

路面图像快速摘集系统是以数字相机为根底，GPS摘集道路平面几何线形和行驶途径，操纵数字相机来摘集图像。同时操纵压缩手艺，对摘集到的图像停止实时压缩，并通过公用总线接口将图像传输存储于上位工控机。该系统所利用的硬件设备次要由车载AI末端、CCD工业相机、高清云台相机和高精度定位模块等构成，见图1。

图1 路面图像快速摘集系统 下载原图

车载AI末端做为上位机存储并处置路面根底信息。其设备参数特征见表2。

表2 车载AI末端参数特征 导出到EXCEL

参数

工做电压/V

能耗/W

工做温度/℃

尺寸/cm

特征

12(利用车载点烟器供电)

35

-25～70

30×25×25

CCD工业相机次要用于摘集实时路面图片，相机精度要求到达车速100 km/h时能识别出宽度大于2 mm的路面损新。其设备参数特征见表3。

表3 CCD工业相机参数特征 导出到EXCEL

参数

光圈范畴/F

更大像元/μm

辨认率/P

摘集速度/HZ

曝光抵偿

特征

1.4～18

≤7.5

≥200

1～20,可变频摘集

主动

高清云台相机次要用于摘集路域内护栏、标记和标牌等从属设备等信息，同时辅助查找路面损新情状。其设备参数特征见表4。

表4 高清云台相机参数特征 导出到EXCEL

参数

程度动弹范畴/(°)

垂曲动弹范畴/(°)

通信体例

影像传感器

信噪比/db

特征

0～360,无限位扭转

-20～90

RS485

1/4″彩色CCD

≥50

高精度定位模块摘用GPS、斗极、双模差分定位，定位误差掌握在2.0 m内，并用惯性导航设备构成组合导航，定位实时、持续且不变。其设备参数特征见表5。

表5 车载AI末端参数特征 导出到EXCEL

参数

定位形式

定位误差/m

摘集速度/HZ

特征

GPS、斗极、惯导三模定位，撑持差分定位

≤2.0

1/5

4 基于智能算法的路面损新图像处置手艺

根据传统手艺处置图像体例，专业人员必需先设想响应的图像特征提取器，在图像特征提取器停止图像处置的过程中，需要人工处置数据，如许不只消耗的时间较长，同时图像处置的准确率也会因人而异。

与传统手艺处置图像体例相比照，基于智能算法的路面损新图像处置体例完全端对端，中间无需报酬参与，突破传统体例的限造。从收集构造来说，能够认为智能算法收集做为一种多隐层神经收集的特殊形式，可以成立与生物神经收集更类似的阐发处置，操做愈加便当，可操做性相较传统体例而言更强，因而，得到了工程界的普遍存眷[2]。

将智能算法利用于路面损新识别和分类，能够极大地降低基于人工体味的特征描述、提取、识别等环节，有利于提拔路面损新识此外准确性和通用性。

4.1卷积神经收集CNN利用原理

卷积神经收集CNN是一种基于多层监视进修的人工神经收集，它不只具有传统神经收集的长处，还具有权值共享、主动提取特征的特征，从而降低了收集模子的复杂度，进步了识别效率。

卷积神经收集CNN在操练过程中，被付与权值的图像做为神经元输进，与此同时加进偏置，之后颠末对应层过滤波，停止卷积运算，最末能够得到卷积层中图像的特征图。然后再根据特征对应图的像素抉择适宜的池化规则，对特征对应图停止特征婚配(稀少婚配)、加权以及加偏置，得到特征图。

最末，通过一个全毗连层将该收集架构接进类似传统神经收集的末端，该末端通过激活函数停止识别分类输出[3,4]。

4.2基于CNN路面损新主动识别与分类

用于路面破损识别所设想的卷积神经收集CNN构架，见图2,分为卷积层、池化层和分类层。将大量路面图像朋分为256 P×256 P子图像，并对其停止CNN操练，进而操纵操练后得到的收集来阐发并测试未知路面破损图像。

图2 用于路面病害识此外卷积神经收集CNN构架 下载原图

路面图像数据集被随机分配成两部门：操练路面破损图像识别分类器的操练集和验证集。起首在输进层，即收集的第一层，输进大小为256 P×256 P×3 P(通道数)的路面图像。当路面图像通过CNN操练并抵达第五层时，被缩小成11 P×96 P的图像；随后颠末纠正线性单位停止处置；最初，在卷积层对该图像完成处置之后，在分类层停止最末分类，并得到路面损新子图像和路面无缺子图像。

将CCD工业相机摘集的路面图像，通过设想的卷积神经收集构造，识别差别工况、多时髦下路面损新特征，对路面损新停止分类和识别。操纵特定图像标定算法，将斜拍的路面损新图像通过视角变更成俯视图像。在原则网格下，成立路面损新图像与路面损新面积的换算联络，根据路面损新分类的主动化识别成果，计算各类路面损新类型的现实损新面积，见图3。

4.3路面损新识别迭代操练

为了包管路面损新识别准确度称心现实利用要求，对路面损新图像样本停止迭代操练。每操练500次，停止一次对验证集的路面破损图像的测试，并输出其测试的准确率。差别路面损新类型识别准确率跟着迭代次数改变曲线，见图4。

图3 路面损新类型识别 下载原图

图4 路面破损识别准确率随迭代次数改变曲线 下载原图

跟着迭代次数的增加，路面损新识别准确度均闪现出快速收敛趋向，当迭代次数4 000次时，各类类型路面破损识别准确度均能到达90%以上。此中裂痕类损新收敛速度相对较快，块状修补类损新则需要更多的迭代次数来包管识别准确度。

5 利用成果阐发比照

基于数字相机的路面图像快速摘集系统和基于智能算法的路面破损图像处置手艺，构成路面损新轻量化识别系统利用于日常巡查中，实现了路面破损主动化巡检。并对路面破损主动化巡检数据和路面定检数据停止比照阐发，验证明际利用效果。

路面定检摘用的CiCS多功用路况检测车，检测路宽3.8 m, 图片辨认率为4 096 P(主动保留JEPG格局),纵向持续存储。路面定检和路面破损主动化巡检在2023年3月对台金高速公路上行K96～K98识别出的路面损新数量随里程散布改变，见图5。

图5 路面定检和巡检损新数量随里程散布 下载原图

路面定检共识别出路面损新100处，路面破损主动化巡检共识别出路面损新97处，2种检测系统所识此外路面损新数量根本一致。从识别路面损新数量随里程散布改变来看，以100 m为单元，2种识别系统识别路面损新数量完全吻合累计长度为1 200 m; 识别路面损新数量相差1处累计长度为500 m; 识别路面损新数量相差2处累计长度为300 m。招致识别路面损新数量存在部分差别的次要原因为路段中部分存在多处持续短纵向裂痕情状，路面定检将其断定为多处裂痕损新，而路面破损主动化巡检将其断定为1处龟裂损新。

根据手艺标准相关规定，2种检测系统识此外详细路面损新面积，别离计算路面破损率

DR

和路面损新情况指数

PCI

,摘用2种检测识别系统所计算出的百米路面损新情况指数

PCI

随里程改变，见图6。

图6 百米路面损新情况指数

PCI

随里程改变情状 下载原图

根据2种检测系统所识别路面损新面积，计算出路面损新情况指数

PCI

随里程改变趋向根本一致，且路面损新情况指数

PCI

误差在±1以内。

目前，针对路面损新识别算法的切确度可达90%,但仍然存在10%的误识别和漏识别。呈现较为频繁的典型误识别为道路2023的施工缝和密集型损新。那些误识别可通过加大对路面损新图像的操练量而削减。此后估量操练超越百万张路面损新图像，争取将路面损新的识别精度提拔到 95%。

在原有路面损新检测的根底上，新增路面反常跳车的检测，现处于可用和测试阶段。后期展看对道路边坡检测、路面抗滑才能检测、标识标牌检测、车辙检测、路面异物检测等功用拓展。

6 结语

基于CNN智能算法的路面损新轻量化识别系统利用于日常路面损新情况巡查中，实现了路面损新情况主动化识别和定位，进步了日常巡查的工做效率和量量，详细表现在以下几个方面。

(1)硬件设备笨重简单，可快速安拆于通俗巡查车辆上。硬件的工做电压较低，即插即用，保障利用的平安，不需要装备专门的蓄电池组，即可停止长时间检测。

(2)更高巡检速度可达100 km/h, 并可包管图像清晰，在高速公路上可实现快速巡检。

(3)通过路面破损主动化巡检，能够代替纷杂的人工步检，并能更及时地发现路面存在的破损问题，修复路面破损隐患，工做效率将会得到极大地进步。通过对巡查数据的积存与阐发，有效进步养护治理程度。

参考文献

[1] JTG 5210-2018 公路手艺情况评定原则[S].

[2] 赵珊珊，何宁.基于卷积神经收集的路面裂痕检测[J].传感器与微系统，2017,31(11):135-138.

[3] 徐志刚，车艳丽，李金龙，等.路面破损图像主动处置手艺研究停顿[J].交通运输工程学报，2023,19(1):172-190.

[4] 车艳丽.基于深度进修的路面裂痕分类与识别手艺研究与实现[D].长安大学，2018.

声明：我们尊重原创，也重视分享。有部门内容来自互联网，版权回原做者所有，仅供进修参考之用，制止用于贸易用处，如无意中进犯了哪个媒体、公司、企业或小我等的常识产权，请联络删除，另本头条号推送内容仅代表做者看点，与头条号运营方无关，内容实伪请读者自行辨别，本头条号不承担任何责任。