赵珊珊， 何 宁

(1.北京联合大学 北京市信息服务工程重点实验室，北京 100101； 2.北京联合大学 智慧城市学院，北京 100101)

基于卷积神经网络的路面裂缝检测*

赵珊珊1， 何 宁2

(1.北京联合大学北京市信息服务工程重点实验室，北京100101；2.北京联合大学智慧城市学院，北京100101)

对路面图像块预标记，根据预标记结果对路面图像进行强度归一化预处理，在保留裂缝信息的同时,减少背景光照不均的影响。将预处理后的路面图像输入卷积神经网络(CNN)模型实现路面图像裂缝的检测。由于路面裂缝分布复杂，在训练网络时，使用不同尺度和不同角度的路面图像进行模型训练，使得网络能够检测不同裂缝形状。实验结果显示:裂缝检测结果较好。

图像处理； 公路裂缝； 卷积神经网络； 检测

0 引 言

传统的人工巡检方式显然已经不能满足巨大的公路路面巡检需求，目前，很多计算机视觉技术实现检测裂缝。文献[1]提出了基于多偏微分方程融合的增强算法检测路面裂缝,该方法中梯度门限等重要参数不固定，只能处理同一条件下的路面图像。文献[2]将灰度去噪模型、空间滤波去噪模型等模型串联起来，构成了一个多级去噪模型,当多种噪声混杂在一起时，裂缝检测的效果不明显。文献[3]提出了改进的基于动态规划的算法检测裂缝，算法执行速度快但是准确率较低。文献[4]使用Gabor滤波器检测裂缝,其对简单的路面裂缝检测效果良好，对于分布复杂的裂缝检测结果断裂严重。文献[5]使用4层的卷积神经网络(convolutional neural network,CNN))实现了裂缝检测，准确率为87 %，精度有待提高。……