文献类型：期刊文章

作　　者：杨盼盼[1] 郭杨成[2]

YANG Panpan;GUO Yangcheng(Nanjing Tech University Pujiang Institute,School of Civil and Architectural Engineering,Nanjing 210000,China;China Design Group,Nanjing 210000,China)

机构地区：[1]南京工业大学浦江学院土木与建筑工程学院,江苏南京210000 [2]华设设计集团股份有限公司,江苏南京210000

出　　处：《粘接》

年　　份：2023

卷　　号：50

期　　号：12

起止页码：174-178

语　　种：中文

收录情况：CAS、ZGKJHX、普通刊

摘　　要：为提高城市道路沥青路面病害检测精度,提出一种基于深度学习的智能检测方法。方法以Faster R-CNN网络为基础检测模型,通过对采用拟合值填充方式优化Faster R-CNN网络卷积层,提升网络对目标检测的准确性,实现了Faster R-CNN网络的改进;然后利用改进后的Faster R-CNN网络对城市道路沥青路面病害进行检测,实现了沥青路面病害的智能检测。仿真结果表明,所提的改进Faster R-CNN网络可有效检测城市道路沥青路面坑槽、裂缝病害,且具有较高的检测精度,平均精确度的均值达到为90.26%。相较于标准Faster R-CNN网络和ResNet、U-Net目标检测算法,在平均精确度的均值和单张图像的检测速度指标上具有明显优势,可用于实际城市道路沥青路面病害检测。

关 键 词：路面病害检测  深度学习  Faster R-CNN网络  拟合值填充  

分 类 号：TP391]