隨著時代的進步和經(jīng)濟的發(fā)展,我國的道路建設(shè)取得了歷史性成就。據(jù)統(tǒng)計,2017年末全國公路總里程達到了 477.35萬公里,高速公路車道里程也突破了 60萬公里的大關(guān)�？焖僭鲩L的道路里程給日常道路維護帶來巨大挑戰(zhàn)。路面修補會破壞道路的平整性,干擾駕駛員視線,因此快速、準確、實時的路面修補自動檢測對于提高道路維護效率以及保障交通安全具有重大意義。現(xiàn)有的路面修補檢測大多基于人力,這種方式成本高、效率低,無法應(yīng)對數(shù)據(jù)量激增帶來的挑戰(zhàn)。近年來,深度學(xué)習(xí)的快速發(fā)展,為實現(xiàn)路面修補的自動檢測提供了新方向。本文將深度學(xué)習(xí)用于路面修補的自動檢測,對路面修補的圖像特征和適用于本次檢測任務(wù)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行了深入的探索和研究,設(shè)計并實現(xiàn)了路面修補自動檢測系統(tǒng),主要工作如下:(1)采取直方圖均衡化與中值濾波進行圖像預(yù)處理。采集到的路面圖像普遍存在強度不均的現(xiàn)象,并且受到水漬、油漬等噪聲的污染,路面情況比較復(fù)雜,因此本文中結(jié)合直方圖均衡化和中值濾波來進行圖像預(yù)處理,達到了突出修補和減小噪聲影響的目的。(2)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的研究。針對路面修補檢測問題,本文設(shè)計了基于深度卷積神經(jīng)網(wǎng)絡(luò)的解決方法。為得出有效的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),本文做了三方面工作:一是研究VGG網(wǎng)絡(luò)結(jié)構(gòu)。本文根據(jù)實際需求對VGG結(jié)構(gòu)的中間層和隱藏層進行了調(diào)整,得到了適用于路面修補檢測的類VGG網(wǎng)絡(luò)結(jié)構(gòu),實驗結(jié)果表明類VGG結(jié)構(gòu)能夠有效檢測出圖像中的修補。二是研究網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)對本次檢測任務(wù)產(chǎn)生的影響。為進一步優(yōu)化類VGG結(jié)構(gòu),本文對該結(jié)構(gòu)的深度、池化方式、激活函數(shù)、優(yōu)化算法進行了調(diào)整,通過實驗獲取了對本次檢測任務(wù)類VGG結(jié)構(gòu)最優(yōu)的參數(shù)設(shè)置方式。三是研究Residual結(jié)構(gòu)和Inception結(jié)構(gòu),并根據(jù)實驗結(jié)果選擇了基于Residual結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)作為本次研究的最優(yōu)結(jié)構(gòu),該結(jié)構(gòu)較類VGG結(jié)構(gòu)進一步提升了評測指標,取得了本次研究對路面修補檢測的最佳成績。(3)設(shè)計與實現(xiàn)路面修補檢測系統(tǒng)。該系統(tǒng)由前端和后端兩部分組成。前端部分通過網(wǎng)頁形式向用戶展示系統(tǒng)功能,用戶可以通過頁面向后端發(fā)出具體任務(wù)指令。后端部分接收前端發(fā)出的任務(wù)指令,并根據(jù)指令內(nèi)容完成對應(yīng)任務(wù),任務(wù)結(jié)束后將相關(guān)數(shù)據(jù)回傳前端用于展示。實驗結(jié)果表明,本文中的方法受噪聲干擾小,精確率、召回率和IOU都較高,標記效率快,能夠較為完整地標記出路面圖像中的修補。
【學(xué)位單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：U418.6;TP391.41;TP18
【部分圖文】：

我國道路維護量不斷增加，維護變得困難給路面修補檢測自動化提供了契機。??據(jù)統(tǒng)計［４］，２０１７年末全國公路總里程達到了?４７７．３５萬公里，其中全國高速公路??里程達到了?１３．６５萬公里，高速公路車道里程達到了?６０．４４萬公里。圖１－１展示??了?２０１３年－２０１７年我國全國公路總里程及公路密度。通車里程的急速增加直接??導(dǎo)致全國需要維護的道路里程數(shù)量急速增加。據(jù)統(tǒng)計１４］，２０１７年末全國公路養(yǎng)護??里程達到了?４６７．４６萬公里，占到了公路總里程的９７．９％。龐大的公路里程量給道??路維護帶來了不小的挑戰(zhàn)，需要投入巨大的人力、物力、財力。??深度學(xué)習(xí)的快速發(fā)展為實現(xiàn)路面修補檢測自動化提供了新方向。自從ａｌｐｈａ??ｇｏ戰(zhàn)勝了世界冠軍李世石，人工智能逐漸為人所熟知，成為人們談?wù)摰慕裹c。深??度學(xué)習(xí)是實現(xiàn)人工智能的關(guān)鍵技術(shù)，己經(jīng)成為研宂熱點，而深度學(xué)習(xí)當(dāng)下得到空??前發(fā)展，也有兩方面的背景：一是硬件計算速度的巨大提升。深度學(xué)習(xí)的關(guān)鍵方??法是人工神經(jīng)網(wǎng)絡(luò)（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ

目標檢測廣泛的應(yīng)用于醫(yī)療、安全、交通、航空航天等領(lǐng)域，己經(jīng)部??分替代了人類工作，成為新的社會生產(chǎn)力。在交通領(lǐng)域，目標檢測技術(shù)被用于車??型檢測、車牌檢測、路標檢測、自動駕駛等。圖１－２展示了汽車、行人、交通燈??的檢測示意圖。在安全領(lǐng)域，物體檢測技術(shù)被用于人臉檢測、鑒黃檢測、反恐檢??測等。在醫(yī)學(xué)領(lǐng)域，目標檢測技術(shù)也被用于腫瘤檢測、結(jié)腸息肉檢測等。目標檢??測技術(shù)正同各個領(lǐng)域融合，不斷地產(chǎn)生社會效益。??＿｜種：漏纖??圖１－２車輛、行人、交通燈檢測示意圖??１．３國內(nèi)外路面圖像檢測技術(shù)現(xiàn)狀??國內(nèi)外路面圖像檢測技術(shù)同目標檢測技術(shù)的發(fā)展是息息相關(guān)的，研宄人員通??常是將目標檢測技術(shù)應(yīng)用到路面檢測的具體問題之中。如前所述，物體檢測技術(shù)??通常有兩類方法，一是傳統(tǒng)的基于人工設(shè)計特征的檢測，一類是基于深度學(xué)習(xí)的??檢測方法，國內(nèi)外路面圖像檢測技術(shù)也可以歸于這兩類。??早期的研究工作多屬于傳統(tǒng)的基于人工設(shè)計特征的檢測。ＤＩＨＡＯＡＩ

使用大小為ｍ?＊?ｎ的濾波器對大小為Ｍ?＊?ｉＶ的圖像進行線性空間濾波，??可表示為公式２－１１。公式中其中，ｘ，ｙ表示圖中像素點坐標，使用時，需要遍歷??圖中所有像素點。圖２－２展示了線性濾波產(chǎn)生像素的過程示意圖。??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?＼??＼?＼?新圖對應(yīng)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??濾波器模板??圖２－２空間濾波示意圖??統(tǒng)計排序濾波器［２４］是一種非線性濾波器，該類濾波器首先對濾波器所包圍??區(qū)域的像素進行排序，然后根據(jù)指定規(guī)則從排序后的像素中選出一個值作為濾波??器輸出。中值濾波［２４］是統(tǒng)計排序濾波器的一種，該類濾波器首先對濾波器覆蓋區(qū)??域的像素值進行排序，然后確定排序后的中值，將該值作為當(dāng)前處理像素對應(yīng)新??圖像素的值。??１０??
【相似文獻】

相關(guān)期刊論文 前10條

1 朱文天;;國外型式多樣的瀝青路面修補車[J];交通世界(建養(yǎng).機械);2009年06期

2 孫尚穎;孫尚峰;孫麗芝;;瀝青路面修補處產(chǎn)生不平整的原因及處理措施[J];黑龍江交通科技;2008年06期

3 周振清 ,周立憲;翻修公路時無需中斷交通的便橋[J];國外橋梁;1988年04期

4 沈松云;國外瀝青路面修補設(shè)備[J];建筑機械;1997年05期

5 劉金川;;淺談華夏一號多用途水泥路面修補材料在實際工程中的應(yīng)用[J];科技信息;2009年12期

6 林玉森;瀝青路面修補車及有關(guān)技術(shù)[J];筑路機械與施工機械化;2003年04期

7 沈松云;國外瀝青路面修補設(shè)備[J];筑路機械與施工機械化;1996年03期

8 周天璧;;試論現(xiàn)場熱再生技術(shù)在高速公路瀝青混凝土路面修補之中的運用[J];科技創(chuàng)業(yè)家;2013年22期

9 車東增;繆學(xué)偉;王文斌;;新型礦渣基水泥混凝土路面修補材料研究[J];中國公路;2012年22期

10 信志剛;;關(guān)于瀝青路面修補的質(zhì)量控制[J];內(nèi)蒙古科技與經(jīng)濟;2007年22期

相關(guān)碩士學(xué)位論文 前10條

1 白勝;基于深度學(xué)習(xí)的路面修補檢測的設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2019年

2 熊復(fù)慧;季凍區(qū)水泥混凝土路面修補材料的研究[D];哈爾濱工業(yè)大學(xué);2011年

3 何立斌;寒冷地區(qū)硫鋁酸鹽基水泥混凝土路面修補材料及性能研究[D];哈爾濱工業(yè)大學(xué);2016年

4 霍強;陜西省干線公路瀝青路面養(yǎng)護指標閾值研究[D];長安大學(xué);2017年

5 徐冉;寧杭高速公路路面性能預(yù)測與養(yǎng)護對策研究[D];東南大學(xué);2016年

6 張惠敏;瀝青路面病害修補圖像的自動檢測方法研究[D];武漢工程大學(xué);2010年

7 李銘;以礦渣為基質(zhì)的水泥混凝土路面修補材料研究[D];長安大學(xué);2011年

8 金曉晴;LB（冷拌冷鋪）瀝青及其路面修補技術(shù)研究[D];長安大學(xué);2005年

9 李清;路面快速噴補試驗臺研究[D];長安大學(xué);2017年

10 董文俊;混凝土路面修補用聚合物改性堿式硫酸鎂水泥路用性能[D];哈爾濱理工大學(xué);2017年

本文編號：2867429