改进RetinaNet的水泥路面露骨病害检测 石丽.pdf

计算机系统应用 ISSN 1003-3254, CODEN CSAOBN E-mail: ******@
ComputerFinally, the detection of exposed distress of cement
pavements is realized by the improved RetinaNet. The results show that the improved RetinaNet model enhances the
detection accuracy of exposed distress by % compared with the original model, which reaches %. In comparison
with Faster R-CNN, SSD and YOLOv3 methods, the model significantly improved the detection effect for the same test data.
Key words: road detection; cement exposed distress; deep learning; binarization; improved RetinaNet
 
 
根据我国2013–2030年的交通发展规划, 未来公 坑槽, 严重影响路面的使用年限. 尽早对露骨病害检测
路的规模为550万~600万公里. 其中, 在460万~520 并加以养护, 可以延长路面的使用寿命, 降低路面维护
万公里乡村公路中, 水泥混凝土路面占比达到84%~ 成本. 目前露骨病害检测主要依靠人工识别, 这种方法
87%. 露骨为水泥混凝土路面的常见病害, 路面出现露 不仅耗费大量人力物力, 而且检测结果受主观判断影
骨病害不仅会影响行车的安全性, 继续扩展还会形成 响, 容易发生误检漏检的情况. 因此, 如何快速自动化
① 基金项目: 国家自然科学基金面上项目(51978071); 中央高校卓越青年项目(300102249301); 中央高校领军人才项目(300102249306)
收稿时间: 2021-06-05; 修改时间: 2021-07-07, 2021-07-20; 采用时间: 2021-08-13; csa在线出版时间: 2022-03-22
352 研究开发 Research and Development2022 年 第 31 卷 第 4 期 -s- 计算机系统应用
检测路面露骨病害已经成为亟待解决的问题.