基于语义分割的车载路面裂缝自动识别技术研究

发布时间：2023-11-08 18:34

　　近年来,我国公路基础设施建设规模不断扩大,公路通车里程迅速增加,已修公路和新修公路都需要进行合理养护,高效、准确的获取路面病害信息是公路养护部门进行科学决策的基础。裂缝是路面最常见的一种病害,为了满足公路养护工作需求,提高养护效率,裂缝的快速检测成为了当前的重要研究课题。针对路面裂缝快速检测的需求,本文进行了基于语义分割的车载路面裂缝自动识别技术的研究。首先通过分析路面裂缝检测系统的功能要求,提出车载路面裂缝图像采集系统总体设计方案,设计了车载路面裂缝图像采集系统搭载车,开发了图像采集硬件系统、辅助照明系统和路面裂缝图像采集软件。所开发的辅助照明系统为采用倾斜方式照射的LED模块化聚光照明灯。然后基于语义分割原理,以Deeplab V3+模型为架构,设计了一种能够进行路面裂缝识别的网络模型。模型以Resnet152为基础网络,采用在特征图通道方向进行分组的组归一化方式,使模型能够在较小的batch size下达到较高的精度,加入了注意力优化机制,使用全局平均池化获取全局上下文信息,同时通过计算权重向量,为目标裂缝分配较大的权重,更有利于裂缝的识别。最后构建了路面裂缝图像数据集,数据集图...

【文章页数】：98 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景及意义
        1.1.1 课题研究的背景
        1.1.2 课题研究的目的及意义
    1.2 车载路面裂缝自动识别技术研究现状
        1.2.1 车载路面裂缝自动检测系统研究现状
        1.2.2 路面裂缝识别方法研究现状
    1.3 卷积神经网络研究现状
    1.4 图像语义分割研究现状
    1.5 本文的主要研究内容
第二章 车载路面裂缝图像采集系统开发
    2.1 车载路面裂缝图像采集系统总体设计
        2.1.1 图像采集系统设计要求
        2.1.2 图像采集系统总体设计
    2.2 车载路面裂缝图像采集系统搭载车设计
        2.2.1 图像采集系统搭载车设计要求
        2.2.2 图像采集系统搭载车设计
    2.3 车载路面裂缝图像采集系统硬件开发
        2.3.1 图像采集系统主要硬件
        2.3.2 辅助照明系统设计
        2.3.3 其他硬件
    2.4 车载路面裂缝图像采集软件开发
    2.5 本章小结
第三章 语义分割基本原理
    3.1 卷积神经网络
        3.1.1 卷积神经网络的特点
        3.1.2 卷积神经网络基本框架组成
        3.1.3 经典卷积神经网络的优化
    3.2 基于卷积神经网络的图像语义分割方法
        3.2.1 基于卷积神经网络的经典语义分割算法
        3.2.2 语义分割中的训练超参数
        3.2.3 Deeplab V3+网络模型
    3.3 本章小结
第四章 基于语义分割的路面裂缝识别方法研究
    4.1 路面裂缝的特点
    4.2 基于语义分割的路面裂缝识别网络模型设计
        4.2.1 基础架构
        4.2.2 路面裂缝识别网络模型设计方案
        4.2.3 路面裂缝识别网络模型结构
    4.3 基于语义分割的路面裂缝识别网络模型验证
        4.3.1 语义分割模型常用评价指标
        4.3.2 路面裂缝识别网络模型验证
    4.4 本章小结
第五章 基于语义分割的路面裂缝识别试验
    5.1 实验基础配置
        5.1.1 硬件配置
        5.1.2 开发框架
        5.1.3 数据集构建
    5.2 实验结果及分析
        5.2.1 优化器对模型训练的影响分析
        5.2.2 初始学习率对模型训练的影响分析
        5.2.3 模型测试
    5.3 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢



本文编号：3861517