基于改进的GoogleNet-ResNet算法的路基病害智能分类方法

来源：计算机测量与控制杂志2024年第8期北京时间：

作者：陈登峰,杨小燕,张温,何拓航,陈俊彤

单位：西安建筑科技大学

摘要：针对路基病害分类算法存在的复杂病害辨识难度大、多视图雷达图像特征利用不充分等问题,本文提出一种基于改进的GoogleNet-ResNet算法的路基病害智能分类方法。首先,引入坐标注意力和改进的Inception模块对GoogleNet网络结构进行优化。然后,利用改进的GoogleNet学习c-scan数据特征剔除非目标病害,实现病害目标的粗分类。最后,将分类成病害的b-scan数据输入基于迁移学习的ResNet50,实现病害的细分类。实验表明,改进的GoogleNet进行病害粗分类的准确率可达到98.2%,检测速度可达90.9FPS。基于迁移学习的ResNet50进行病害细分类的准确率可达90.5%,检测速度可达52.6FPS。本文算法的准确率比单独的改进的GoogleNet网络高10.1%,比单独的ResNet50网络高7.4%,有效地提高了道路路基病害的识别精度与效率。

关键词：道路工程;路基病害识别;级联神经网络;多视图雷达图像;三维探地雷达

基金资助：陕西省软科学研究计划项目(2021KRM029)；西安市高校院所人才服务企业项目（23GXFW0045）