陈涵深，姚明海，瞿心昱

基于U型全卷积神经网络的路面裂缝检测

陈涵深1,2，姚明海1*，瞿心昱2

1浙江工业大学信息工程学院，浙江 杭州 310023；2浙江交通职业技术学院，浙江 杭州 311112

路面裂缝检测是道路运营和维护的一项重要工作，由于裂缝没有固定形状而且纹理特征受光照影响大，基于图像的精确裂缝检测是一项巨大的挑战。本文针对裂缝图像的特点，提出了一种U型结构的卷积神经网络UCrackNet。首先在跳跃连接中加入Dropout层来提高网络的泛化能力；其次，针对上采样中容易产生边缘轮廓失真的问题，采用池化索引对图像边界特征进行高保真恢复；最后，为了更好地提取局部细节和全局上下文信息，采用不同扩张系数的空洞卷积密集连接来实现感受野的均衡，同时嵌入多层输出融合来进一步提升模型的检测精度。在公开的道路裂缝数据集CrackTree206和AIMCrack上测试表明，该算法能有效地检测出路面裂缝，并且具有一定的鲁棒性。

裂缝检测；卷积神经网络；UCrackNet；感受野

1 引 言

近年来，随着国民经济发展的日新月异，公路交通事业得到了快速的发展，截止2019年中旬，我国交通公路总里程数为484.65万公里[1]，已跃居世界第一。公路日常养护问题变得日益突出，及时发现和维护受损路面可以极大地节约公路养护成本，同时，随着我国全国机动车保有量增加，因交通道路维护不及时，交通路面的凹坑、坑井以及塌陷等异常情况会直接影响到交通效率和行车安全[2]。因此，为了更好地保障道路性能和安全，对路面缺陷进行快速、准确的分析和评估已经成为当务之急。……