原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
《工业控制计算机》2025年第38卷第2期109
无人驾驶环境中基于半监督模型的道路裂痕检测算法
RoadCrackDetectionAlgorithmBasedonSemiSupervisedModel
inAutonomousDrivingEnvironment
蔡臻李锋（广东交通职业技术学院信息学院,广东广州510650)
摘要：如何更高精度识别道路裂痕是无人驾驶采取紧急避让决策的重要依据，也是待需解决的关键问题。针对该问题，
提出一种基于半监督模型的道路裂痕检测算法，在道路图像无标签、缺少标签的情况下，模型能有效地学习道路裂痕的特
征。最终的实验结果表明，半监督模型算法同其他模型对比，表现出较佳的结果，达到了实际应用的要求。
关键词：半监督；裂痕检测；计算机视觉
Abstract:Theconstructionandmaintenanceofurbanpavementsareanintegralpartofroadconstructionwork.Identi-
fyingroadcrackswithhigheraccuracyisthekeytoensuringroadquality,andhowtosolvetheproblemofextractingfea-
turesandidentifyingcracksisalsoafundamentalproblemtobesolved.Inthispaper,asemi-supervisedmodel-based
roadcrackdetectionalgorithmisproposed,whichcaneffectivelylearnthefeaturesofroadcracksinthecaseofunlabelled
orunlabelledroadimages.Thefinalexperimentalresultsshowthatthesemi-supervisedmodelalgorithmshowsbetterre-
sultsthanothermodelsandmeetstherequirementsofpracticalapplications.
Keywords:semi-supervised,crackdetection,computervision
高精度识别道路裂痕是无人驾驶采取紧急避让决策的重要N参数能自主定义，从而保证模型不失一般性。
依据。伴随机器视觉和人工智能的发展，采用计算机视觉对道路基于上述的模型公式，半监督模型存在四种假设情况：
裂痕进行检测，提高检测的精确度，保证道路行驶的安全性。传1)数据分布假设。模型训练所使用的数据集需要保证数据
统对道路裂痕检测基于图像的预处理后,找到边缘的阈值,通过分布的一致性，从而能保证模型在同一数据分布域学习到数据
设置单个阈值、多个值，甚至自适应阈值的方式，完成对道路的特征分布情况。
裂痕的切割。但是这种方式并不能满足多样化的道路裂痕图像，2)平滑假设。在高维数据分布空间下,数据具备的相似性越
存在检测不全面、检测误差大、时间成本大、处理方式繁等问高，两者的距离越近，反之则越远。
题。这是由于传统算法模型无法适应复杂的裂痕图像数据，因此3)聚类假设。相关标签或相同属性的数据集,在低维空间或
需要更为泛化、高效的裂痕检测算法模型。高维空间都是具备聚类效应，会呈现以某个点为中心，形成一定
由于
文档评论（0）