基于Swin Transformer的沥青路面病害分类检测研究

来源：计算机测量与控制杂志2024年第2期北京时间：

作者：郭晨,杨玉龙,左琛,杨冰鑫

单位：长安大学 信息工程学院

摘要：针对传统卷积神经网络模型在沥青路面病害检测中识别长距离裂缝结构能力不足以及面临的精度局限问题，引入Swin Transformer模型进行沥青路面病害分类研究。首先对于路面检测车采集到的沥青路面扫描图像对比度低的问题，使用直方图均衡技术处理图像，增加图像可视化效果。其次，选取三种经典卷积神经网络模型作为对比模型，并在训练过程中采用更换损失函数，调整预训练模型等手段解决过拟合问题。并选用准确率、查全率、F1- score作为评价指标。在最终实验结果中Swin Transformer识别准确率达到了80.6%，F1-score达到了0.776，不仅在整体分类准确率上超越了传统CNN模型，并且对具有长距离特征结构的病害方面具有更高的识别准确率，同时具有良好的可靠性。

关键词：Swin Transformer;路面病害检测;卷积神经网络;图像分类;图像处理