刘彦均

[摘 要]本论文将提出一种应用于交通道路自动检测的识别方案。在需要检测裂缝的道路上目前由人工检测的方式存在诸多问题，例如影响路面交通正常运行以及工作效率极低等问题。假设使用基于深度学习所构建的路面检测模型来进行自动化的路面裂缝检测，则必然能在极大程度的提高检测效率。所以本文提出的自动化检测方案本质上是构建一种避免人工低效率检测的基于caffe框架下的深度学习模型。

[关键词]自动检测；路面裂缝；深度学习；caffe框架

中图分类号：TP592 文献标识码：A 文章编号：1009-914X（2018）14-0304-01

0 前言

在公路交通日益完善的今天，各种交通问题逐渐增多。致使路面安全的检测变得尤为关键。随着公路交通的饱和度急剧上升，检测效率的问题便凸显的尤为关键。路面检测效率的提高对国家的交通经济起到至关重要的作用，所以世界各国都在积极研究着如何提高交通路面安全检测效率的方法。随着计算机人工智能的快速发展，深度学习技术在交通方面的应用越来越广泛。在一系列基于深度学习的模型框架的搭建下，可以解决很多传统问题。所以本文所提出的便是建立在深度学习之上的路面裂缝自动识别方案。

1 基于深度学习路面裂缝自动化检测及识别的关键问题

利用高性能工业相机采集到可靠、清晰的路面图片，基于深度学习技术重点研究裂缝自动化检测及识别。首先对路面裂缝图像进行预处理，包括图像归一化及匀光处理、滤波去噪、图像边缘增强，使图像质量得到明显改善，提高数据的特征。……