基于深度学习的路面修补检测的设计与实现

发布时间：2020-11-02 18:49

　　 随着时代的进步和经济的发展,我国的道路建设取得了历史性成就。据统计,2017年末全国公路总里程达到了 477.35万公里,高速公路车道里程也突破了 60万公里的大关。快速增长的道路里程给日常道路维护带来巨大挑战。路面修补会破坏道路的平整性,干扰驾驶员视线,因此快速、准确、实时的路面修补自动检测对于提高道路维护效率以及保障交通安全具有重大意义。现有的路面修补检测大多基于人力,这种方式成本高、效率低,无法应对数据量激增带来的挑战。近年来,深度学习的快速发展,为实现路面修补的自动检测提供了新方向。本文将深度学习用于路面修补的自动检测,对路面修补的图像特征和适用于本次检测任务的卷积神经网络结构进行了深入的探索和研究,设计并实现了路面修补自动检测系统,主要工作如下:(1)采取直方图均衡化与中值滤波进行图像预处理。采集到的路面图像普遍存在强度不均的现象,并且受到水渍、油渍等噪声的污染,路面情况比较复杂,因此本文中结合直方图均衡化和中值滤波来进行图像预处理,达到了突出修补和减小噪声影响的目的。(2)卷积神经网络结构的研究。针对路面修补检测问题,本文设计了基于深度卷积神经网络的解决方法。为得出有效的卷积神经网络结构,本文做了三方面工作:一是研究VGG网络结构。本文根据实际需求对VGG结构的中间层和隐藏层进行了调整,得到了适用于路面修补检测的类VGG网络结构,实验结果表明类VGG结构能够有效检测出图像中的修补。二是研究网络结构参数对本次检测任务产生的影响。为进一步优化类VGG结构,本文对该结构的深度、池化方式、激活函数、优化算法进行了调整,通过实验获取了对本次检测任务类VGG结构最优的参数设置方式。三是研究Residual结构和Inception结构,并根据实验结果选择了基于Residual结构的卷积神经网络作为本次研究的最优结构,该结构较类VGG结构进一步提升了评测指标,取得了本次研究对路面修补检测的最佳成绩。(3)设计与实现路面修补检测系统。该系统由前端和后端两部分组成。前端部分通过网页形式向用户展示系统功能,用户可以通过页面向后端发出具体任务指令。后端部分接收前端发出的任务指令,并根据指令内容完成对应任务,任务结束后将相关数据回传前端用于展示。实验结果表明,本文中的方法受噪声干扰小,精确率、召回率和IOU都较高,标记效率快,能够较为完整地标记出路面图像中的修补。
【学位单位】：北京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：U418.6;TP391.41;TP18
【部分图文】：

我国道路维护量不断增加，维护变得困难给路面修补检测自动化提供了契机。??据统计［４］，２０１７年末全国公路总里程达到了?４７７．３５万公里，其中全国高速公路??里程达到了?１３．６５万公里，高速公路车道里程达到了?６０．４４万公里。图１－１展示??了?２０１３年－２０１７年我国全国公路总里程及公路密度。通车里程的急速增加直接??导致全国需要维护的道路里程数量急速增加。据统计１４］，２０１７年末全国公路养护??里程达到了?４６７．４６万公里，占到了公路总里程的９７．９％。庞大的公路里程量给道??路维护带来了不小的挑战，需要投入巨大的人力、物力、财力。??深度学习的快速发展为实现路面修补检测自动化提供了新方向。自从ａｌｐｈａ??ｇｏ战胜了世界冠军李世石，人工智能逐渐为人所熟知，成为人们谈论的焦点。深??度学习是实现人工智能的关键技术，己经成为研宂热点，而深度学习当下得到空??前发展，也有两方面的背景：一是硬件计算速度的巨大提升。深度学习的关键方??法是人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ

目标检测广泛的应用于医疗、安全、交通、航空航天等领域，己经部??分替代了人类工作，成为新的社会生产力。在交通领域，目标检测技术被用于车??型检测、车牌检测、路标检测、自动驾驶等。图１－２展示了汽车、行人、交通灯??的检测示意图。在安全领域，物体检测技术被用于人脸检测、鉴黄检测、反恐检??测等。在医学领域，目标检测技术也被用于肿瘤检测、结肠息肉检测等。目标检??测技术正同各个领域融合，不断地产生社会效益。??＿｜種：漏纖??图１－２车辆、行人、交通灯检测示意图??１．３国内外路面图像检测技术现状??国内外路面图像检测技术同目标检测技术的发展是息息相关的，研宄人员通??常是将目标检测技术应用到路面检测的具体问题之中。如前所述，物体检测技术??通常有两类方法，一是传统的基于人工设计特征的检测，一类是基于深度学习的??检测方法，国内外路面图像检测技术也可以归于这两类。??早期的研究工作多属于传统的基于人工设计特征的检测。ＤＩＨＡＯＡＩ

使用大小为ｍ?＊?ｎ的滤波器对大小为Ｍ?＊?ｉＶ的图像进行线性空间滤波，??可表示为公式２－１１。公式中其中，ｘ，ｙ表示图中像素点坐标，使用时，需要遍历??图中所有像素点。图２－２展示了线性滤波产生像素的过程示意图。??沒?０，ｙ）＝?ＥＵ？＝－ｆｃｖｖ〇，ｔ）／（ｘ?＋?ｓ，ｙ?＋?ｔ）?（２－１１）??（－１?ｘ?３）?＋?（０?ｘ?０）?＋?Ｃｌ?ｘ?１）??＋?（?－?２?ｘ?２）?＋?（０?ｘ?６）?＋?（２?ｘ?２）?ｋ??＾＋?（?－?１?ｘ?２）?＋?（０?ｘ?４）?＋?（３?ｘ?１）?＝?－２?＼??＼?＼?新图对应像素??／?３?０?１?＇?５?０?＼??／?＾?＼?．??Ｉ?ｉ?ｒ＼￣￣??Ｉ?２?６?２?！?４?３?／?－１?０?１?＼?－２??＇??ｉ??＇???＊?田中繼＼?２?４?Ｖ?〇?６?Ｉ?－２?〇?２?）???＼?／???３?０?１?５?０?＼?－１?０?３?／???卜、ｉ?ｉ?ｙｉ??????２?６?２?４?３?、?乂??滤波器模板??图２－２空间滤波示意图??统计排序滤波器［２４］是一种非线性滤波器，该类滤波器首先对滤波器所包围??区域的像素进行排序，然后根据指定规则从排序后的像素中选出一个值作为滤波??器输出。中值滤波［２４］是统计排序滤波器的一种，该类滤波器首先对滤波器覆盖区??域的像素值进行排序，然后确定排序后的中值，将该值作为当前处理像素对应新??图像素的值。??１０??
【相似文献】

相关期刊论文 前10条

1 朱文天;;国外型式多样的沥青路面修补车[J];交通世界(建养.机械);2009年06期

2 孙尚颖;孙尚峰;孙丽芝;;沥青路面修补处产生不平整的原因及处理措施[J];黑龙江交通科技;2008年06期

3 周振清 ,周立宪;翻修公路时无需中断交通的便桥[J];国外桥梁;1988年04期

4 沈松云;国外沥青路面修补设备[J];建筑机械;1997年05期

5 刘金川;;浅谈华夏一号多用途水泥路面修补材料在实际工程中的应用[J];科技信息;2009年12期

6 林玉森;沥青路面修补车及有关技术[J];筑路机械与施工机械化;2003年04期

7 沈松云;国外沥青路面修补设备[J];筑路机械与施工机械化;1996年03期

8 周天璧;;试论现场热再生技术在高速公路沥青混凝土路面修补之中的运用[J];科技创业家;2013年22期

9 车东增;缪学伟;王文斌;;新型矿渣基水泥混凝土路面修补材料研究[J];中国公路;2012年22期

10 信志刚;;关于沥青路面修补的质量控制[J];内蒙古科技与经济;2007年22期

相关硕士学位论文 前10条

1 白胜;基于深度学习的路面修补检测的设计与实现[D];北京邮电大学;2019年

2 熊复慧;季冻区水泥混凝土路面修补材料的研究[D];哈尔滨工业大学;2011年

3 何立斌;寒冷地区硫铝酸盐基水泥混凝土路面修补材料及性能研究[D];哈尔滨工业大学;2016年

4 霍强;陕西省干线公路沥青路面养护指标阈值研究[D];长安大学;2017年

5 徐冉;宁杭高速公路路面性能预测与养护对策研究[D];东南大学;2016年

6 张惠敏;沥青路面病害修补图像的自动检测方法研究[D];武汉工程大学;2010年

7 李铭;以矿渣为基质的水泥混凝土路面修补材料研究[D];长安大学;2011年

8 金晓晴;LB（冷拌冷铺）沥青及其路面修补技术研究[D];长安大学;2005年

9 李清;路面快速喷补试验台研究[D];长安大学;2017年

10 董文俊;混凝土路面修补用聚合物改性碱式硫酸镁水泥路用性能[D];哈尔滨理工大学;2017年

本文编号：2867429