基于深度学习和ArcMap的路面病害智能综合检测方法

来源：江苏大学学报·自然科学版杂志2023年第4期北京时间：

作者：韩豫1，张萌1，李宇宏1，顾盛2

单位：1. 江苏大学 土木工程与力学学院， 江苏 镇江 212013； 2. 昆山市建设工程质量检测中心， 江苏 昆山 215337

摘要：为了提升路面病害检测效率，实现路面病害检测结果的可视化显示，结合深度学习技术和ArcMap地理信息系统，设计一种适用于沥青路面的路面病害智能综合检测方法.该检测方法首先利用基于视觉几何组（visual geometry group，VGG）模型的卷积神经网络进行路面图像分类，再利用基于单步多框检测（single shot MultiBox detector，SSD）模型的目标检测网络实现路面病害识别，最后利用ArcMap地理信息系统生成道路健康地图.测试结果表明：基于VGG-16模型的路面图像分类准确率为94.60%，能够判别正常路面和病害路面；基于SSD模型的路面病害识别平均精确度为87.36%，能够有效识别坑槽、松散、车辙、裂缝、泛油和修补等6类病害类型；基于ArcMap系统的道路健康地图能够实现病害定位与结果显现.

关键词：路面病害, 可视化检测, 卷积神经网络, 目标检测网络, 地理信息系统

基金资助：江苏省“六大人才高峰”高层次人才项目（SZCY-014）； 企业委托项目（KSJCKY202003）； 江苏省研究生实践创新计划项目（SJCX20_1430）