华南理工大学学报(自然科学版)

作者：孙朝云, 裴莉莉, 李伟, 等

单位：长安大学 信息工程学院，陕西 西安 710064

关键词：路面病害,灌封裂缝,检测方法,特征提取,多尺度定位,Faster R-CNN,YOLOv2

基金：国家自然科学基金资助项目 ( 51868076) ; 陕西省自然科学基础研究计划 － 重大基础研究项目 ( 2017ZDJC- 23) ; 陕西省青年自然科学基金资助项目 ( 2017JQ5014)

路面灌封裂缝对路面使用寿命的影响较为突出，为了解决目前灌封裂缝检测技术匮乏的问题，文中提出了一种基于改进 Faster Ｒ-CNN 的路面灌封裂缝检测方法。首 先，建立灌封裂缝图像集，对采集到的图像进行增广处理，构建路面灌封裂缝标注样本数据集，并将图像集按 6∶2∶2 的比例划分为训练集、验证集和测试集; 接着，采用 Fas- ter R-CNN 模型对灌封裂缝进行检测，针对 Faster R-CNN 检测灌封裂缝存在漏检、定位效果不够理想的问题，文中分别将 VGG16、ZFNet 和 Resnet50 网络的特征提取层与 Fas- ter R-CNN 模型进行结合，结果表明，VGG16 和 Faster R-CNN 结合的模型检测精度最高，达到 0. 9031; 然后，通过增加灌封裂缝候选框宽高比的方法继续改进模型，检测精度达到 0. 907 3，且原先被漏检的目标能被检测出来; 最后，对改进 Faster R-CNN 与 YOLOv2 模型的检测精度及定位效果进行对比，结果表明，文中提出的改进 Faster R- CNN 能够明显提高对灌封裂缝的检测准确率和定位精度。

来源：2020年第2期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2020年第2期