基于自编码模型的沥青路面表面横缝识别研究.pdf
《基于自编码模型的沥青路面表面横缝识别研究.pdf》由会员分享,可在线阅读,更多相关《基于自编码模型的沥青路面表面横缝识别研究.pdf(5页珍藏版)》请在咨信网上搜索。
1、总第 期交通科技 第期 收稿日期:第一作者:常智凯(),男,硕士生。宁波市交通运输局科技项目()资助基于自编码模型的沥青路面表面横缝识别研究常智凯叶文亚杨群(同济大学道路与交通工程教育部重点实验室上海 ;宁波工程学院建筑与交通工程学院宁波 )摘要以上海某高速路段为研究依托,采集相关的沥青路面表面图像,利用卷积神经网络提取图像特征后再通过基于长、短期记忆神经网络的自编码模型对路面图像是否含有表面横缝进行识别,并对模型识别效果进行评价。结果表明,该方法可以快速有效地提取图像特征,在样本不均衡的条件下对表面横缝依然有较好的识别能力。关键词路面横缝自编码模型神经网络横缝识别中图分类号 由于沥青路面本身
2、的特性及车辆的反复摩擦和碾压,高速公路路面频繁出现各种病害,其中表面发生横缝病害的频率最高,如果不能得到及时处置将发展为道路的结构性破坏,严重危及行车安全和社会经济的稳定运行。因此,公路养护部门需要对道路进行规律性的巡检,及时发现路面表面的横缝并采取相应措施进行养护,避免造成更大的经济损失。虽然人工巡查是目前道路检测最为普遍的方法,但由于其低效率和受限准确性,对于道路维护来说仍存在许多挑战。特别是在高交通流量的路段,人工巡查不仅需要更多的人力和时间,而且也难以发现微小的路面问题。目前越来越多的研究正在将自动化技术应用于道路检测中,例如,基于机器学习的图像处理技术,这些技术可以通过高精度的图像识
3、别和分析,更准确地检测路面问题并提高检测效率。这将极大地提高道路维护的工作效率和质量,也将使公路交通更加安全可靠。在早期,借助计算机视觉的图像识别方法通常是基于对裂缝区域和完好路面区域灰度及像素值的差异进行分析。这些方法通过使用阈值分割、边缘检测和纹理分析等技术,对图像中的裂缝区域进行检测。如徐欢等使用 开源算法库中的 算子对路面裂缝进行自动检测。然而,这些方法通常需要手动调整参数和阈值,其结果可能会受到光照和图像质量等因素的影响,因此在实际应用中存在一定的局限性。随着深度学习技术的发展,基于神经网络的自动特征提取和分类方法逐渐成为图像识别领域的主流方法,包括卷积神经网络、循环神经网络、自编码
4、模型、生成对抗网络等,这些模型具有较强的特征提取和模式识别能力,能够对图像中的裂缝进行更加准确、高效地检测和识别。如李良福等利用改进的卷积神经网络检测桥梁裂缝,准确度和识别效率与传统方式对比均有较大提升。但由于图片数据量大、完好路面样本占比高等因素往往造成模型计算成本大,对横缝路面识别准确度低。翟军治、沙爱民和吴秋怡等通过在 的基础上进行改进,使得识别效率和准确性有一定提高,但没有根本解决样本不均衡造成的模型偏差等问题。自编码模型是一种无监督学习方法,可以将高维数据压缩成低维表示,减少数据的存储和计算成本,同时也可以提高模型的泛化能力。本文通过将卷积神经网络和自编码模型结合的方法,以解决在沥青
5、路面表面横 缝 识 别 中 存 在 的 计 算 量大 和 样 本 不 均 衡 等问题。沥青路面图像采集与预处理 数据采集方案本研究从上海某高速路段采集沥青路面表面图像,采集时使用 高清运动相机作为图像采集工具。作为一种高清运动相机,该设备能够提供高质量的图像采集,并且在拍摄过程中具有良好的操控性和灵活性。此外,该相机还具有在驾驶室内实时观测拍摄的功能,可以使实验人员在行驶过程中及时观察路况和拍摄结果,以确保路面图像采集准确。不仅如此,该相机还拥有防水、防震等多项功能,可以适应各种恶劣的环境和天气条件,确保图像采集的稳定性和可靠性。通过配套的磁吸固定工具,高清运动相机可以方便快速地固定在车体上,
6、而不需要使用复杂的固定装置。为了确保图像采集质量,经过比选,最终确定将相机固定在车辆前方的引擎盖上,这样的安装方式不仅更符合驾驶人员的习惯,而且能够提高拍摄角度的高度和广度,同时还有利于后期在实验室中进行图像处理等操作,从而提高路面裂缝识别的准确性和效率。在进行路面图像采集时,相机的拍摄参数设置为 分辨率,帧的高帧率模式,车辆以 的速度行驶,即前进距离最多为,每帧图片可清晰拍摄的路面长度约,因此可以采集到数量足够的细致、清晰的路面图像。同时,采集车辆配备了高精度 ,后续通过时间将图像数据与地理位置进行对应匹配。图像预处理 图像剪裁采集的路面图像是以视频格式存储的,由于每秒钟会有多帧图像,因此通
7、过对视频进行抽帧,可以得到一系列的路面图片。需要对这些原始图片进行剪裁处理,以保留与路面相关的信息。最终,得到的路面图片大小为 ,该尺寸既可以保留足够的细节信息,又可以满足后续处理的要求。通过这种方式处理后的路面图片可以提高图像识别和处理的准确性和效率。剪裁前后的图像见图。图原始图和处理后图片对比 图像增强沥青路面本身为黑色,加之光照不均匀,会对表面横缝的识别产生较大影响。为了提高后续模型的识别率,需要对采集到的路面图像进行图像增强处理。首先,去除图片中的噪声,以避免对后续的处理和分析产生影响。其次,调整对比度,适当调整图像的对比度可使图像中的细节更加清晰,有利于后续对路面缝隙等细节的分析和识
8、别。文中 采 用 中 值 滤 波 和 自 适 应 直 方 图 均 衡 化()方法对图像进行处理。图像增强前、后及对应的灰度直方图见图和图。图图像增强前及对应的灰度直方图图图像增强后对应的灰度直方图基于卷积网络的自编码模型 沥青路面图像的特征提取利用卷积神经网络()对图像特征进行提取,相对于传统方法,卷积神经网络的鲁棒性好,提取效果受噪声影响小。其中,通过引入残差连接的方式,可以使得卷积网络更加有效地提取图像特征。采用 网络结构作为基础模型,通过对沥青路面图像进行特征提取,将原本由平面像素点构成的复杂二维图像信息(包含 行和 列的像素数据)压缩为长度大小为 的一维信息。这种特征提取方法不仅能够保
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 编码 模型 沥青路面 表面 识别 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。