原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
智城实践18
智能城市INTELLIGENTCITYNO.122023
基于卷积神经网络的路面裂缝识别方法研究
王思源刘杰
（桂林电子科技大学建筑与交通工程学院，广西桂林541000）
摘要：文章以路面裂缝作为研究对象，将语义分割算法作为主力工具对其识别，对道路裂缝图
像的预处理、数据集的扩充、改进经典UNet网络模型展开了分析。为了测试UNet网络的最佳深度，需
要进行广泛的网络架构搜索或低效的集成测试，提出了使用MobileNetV3网络来替换UNet的编码器部
分，用于特征提取，在提高效果的同时提高速度。改进的UNet-MobileNetV3网络模型相比经典的
UNet模型参数量有所减少，算法运行时间缩短，结构更优化，可顺利完成裂缝的识别工作，为道路的
维护和保养提供了新思路。
关键词：路面裂缝；深度学习；语义分割；UNet神经网络
中图分类号：U418.6文献标识码：A文章编号：2096-1936（2023）12-0018-05
DOI：10.19301/j.cnki.zncs.2023.12.005
Researchonpavementcrackidentificationmethod
basedonconvolutionneuralnetwork
WANGSi-yuanLIUJie
Abstract：
extensivenetworkarchitecturesearchorinefficientintegrationtestisneeded.MobileNetV3networkis
proposedtoreplacetheencoderpartofUNetforfeatureextraction,whichimprovestheeffectandspeed.
ComparedwiththeclassicalUNETmodel,theimprovedUNET-MobileNetV3networkmodelhasfewer
parameters,shorterrunningtime,andamoreoptimizedstructure.Theidentificationofcrackshasbeen
successfullycompleted,whichprovidesanewideaforroadmaintenance.
：
Keywordspavementcracks;deeplearaning;semanticsegmentation;UNetneuralnetwork
随着图像处理技术的迅猛发展，深度学习的方原始图像，分辨率为3024×4032。考虑到裂缝图
法在路面裂缝识别方面起到重要的作用。识别路面像尺寸过大不利于模型的训练，使用裁剪的方法将
裂缝的研究人员采用神经网络方法进行实验并不断2000张图像切割为大小为256×256的子图，并通过
[1]
完善，以提高识别的准确性和实时性。本文研究过滤得到包含裂缝像素数量大于1000的图像，总共
的识别模型可以识别裂缝，并将其区域按照二元值得到了685张含有裂缝的源图像和相应的标记图像。
进行分类，可为公路养护的决策制定提供数据支再通过图像扩充技术得到了4000张裂缝的数据及其
持，保障公路运行的安全，降低维护成本。标签图像。按照4∶1的比例划分为训练集和测试
1数据准备集，包括3200张训练集图像和800张测试集图像。
1.1样本数据扩充
文档评论（0）