杨依霖，黄 浩，胡永明，王德志，李岳彬

（湖北大学 物理与电子科学学院，湖北 武汉 430062）

0 引 言

随着车辆数量和公路运输量的迅猛增长，车辆大型化趋势明显，超限、超载车辆不断增多，大多数路面暴露出承载能力不足的问题，严重影响了现有公路的使用寿命周期和结构安全，公路养护管理难度和成本逐年加大[1]。截至2019年，中国公路总里程已达484.65万千米，高速公路达14.26万千米；《中国公路运输大数据报告》显示中国公路运输的市场规模超过6万亿，随着公路事业和运输业的发展，路面承受的压力也越来越大，对公路路面的质量和维护要求也越来越高[2]。目前大部分地区的道路养护检测仍然以人工现场调查为主，由巡查人员驾驶车辆对路面进行观察和记录。这种方式工作效率低下，投入时间和人力物力成本过大，且结果受主观因素影响较大[2]。人工巡检方式已无法满足日趋常态化的道路检测工作，智能化监测迫在眉睫。

目前，许多国家陆续建立的道路养护管理系统大多依赖于丰富的硬件设备，大量设备在使用时费时、费力，且对交通影响较大，有些甚至破坏了路面结构的完整性[3-4]。

路面病害识别问题属于图像识别技术的典型应用[5]。随着图像识别技术的发展和计算机视觉技术的兴起，卷积神经网络在图像识别领域有着不俗的表现[3,5]。本文将计算机视觉技术以及卷积神经网络引入路面病害识别领域，提出一种基于LeNet卷积神经网络的路面病害自动检测方法，可有效监测路面缺陷，更加贴近实际。……