《基于YOLO的农村公路常见病害智能检测和识别》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

基于YOLO的农村公路常见病害智能检测和识别

范文

刘旭　徐夏俊　夏晋　王益杰　谈婉霞　唐志正　汪毅　邵叶秦

摘要：农村公路病害的智能检测和识别对农村公路的养护来说是一项重要的工作，对农村的经济发展有着重大的意义。本文针对农村公路的常见病害，基于YOLO技术通过多任务的方式自动在图像中提取并识别病害，实现公路病害的智能识别。实验证明，本文的方法是有效的。

关键词：农村公路;病害;智能识别

中图分类号：TP393 ? ? ?文献标识码：A

文章编号：1009-3044（2019）13-0203-03

1背景

随着农村基础设施建设的不断完善，目前农村的公路干道主要以水泥路面和沥青路面为主，它们具有地面坚实、平整、容易养护维修等优点。但受到使用年限增加、交通运输流量增长、重载和超载车辆变多、公路养护不及时等因素的影响，农村公路病害严重。很多公路都面临着裂缝、露骨、路面不平整、泛油和防滑性下降等不同程度的公路表面病害，如果没有及时的管理和措施，还会发展为严重的结构性伤害，严重影响着公路的使用和安全问题，甚至影响国家的乡村振兴计划[1-3]。

公路病害分类多种多样，本文主要关注常见的病害：裂缝、松散和凹陷[4-5]，如图1所示。

2 公路病害智能检测和识别

2.1 图像预处理

a）图像剪裁

本文采集的初始图像中除了病害，还有其他事物，所以本文需要裁剪图像，使得用于训练的图像中主要是病害，方便后续处理。

b）归一化

剪裁后部分图片的分辨率相差很大，不利于后续图像数据处理。因此，本文对图像进行归一化，使得所有的图像的分辨率为800*600。

2.2基于YOLO的病害检测和识别

为了使公路病害能够有效的定位和识别，本文采用基于定位和识别多任务框架的YOLO （You Only Look Once）[6]模型。YOLO是一种基于深度神经网络的对象定位和识别算法，相对于其他的对象定位和识别模型，其最大的特点是运行速度快，可以用于实时系统，且定位比较精准。

具体来说，本文首先对病害图片进行相应的预处理，YOLO会将预处理好的图片作为输入图像，并且将其分成S*S个格子，接着逐个处理每个格子，根据每个格子的特征预测可能的目标候选区域和相应的置信度，同时依据每个格子预测以这个格子为中心的物体属于每个病害类别的概率，然后根据每个分类的概率和置信度确定预测的每个目标候选区域中包含每类病害的概率。

YOLO模型的结构由卷积、池化、全连接组成。YOLO网络一开始使用多层的卷积和池化操作得到每個格子的特征，接着使用全连接层得到一个向量，然后重新组织成一个7*7*18的张量，作为最后的输出。整个网络共使用53层卷积层，且借鉴了残差网络的结构。

模型的输入是一个448*448的二维彩色图像，图像划分7*7的网格，每个格子预测3个目标对象的候选区域（bounding box），同时预测这个格子属于3个类别（裂缝、凹陷、松散）的概率，因此模型的输出是一个7*7*18的张量。这个张量中存放着三部分信息，一部分是当前格子预测的每个类别的概率，一部分是3个候选区域的bounding box的x、y、w、h（候选区域中心点的坐标、及其宽度和高度），最后一部分是每个bounding box的置信度，所谓置信度，表示所预测的 box 中含有对象的可信程度。基于每个候选框的得分，采用NMS（非极大值抑制），去掉重叠的输出，选择得分最高的作为输出，得到最终的结果。

这里的x、y、w、h都归一化到0-1之间。最后一层使用线形激活函数，其它时候leak RELU激活函数。

3 实验

本文所用到的数据主要来源于互联网以及成员通过无人机实地拍摄所获得。其中，互联网渠道我们分别使用三种互联网搜索引擎去收集项目所需的各类公路病害数据。其中无人机拍摄图片占比22%，谷歌占比35%，搜狗占比16%，微软必应占比8%，如下图所示。本文借助LabelImg软件，标记图像病害的位置，用于构建训练图像。每类病害的图像数量分别是：裂缝149张，凹陷99张，松散69张。

本文方法可以同时检测和识别三类病害图像，下图展示了检测和识别的结果。

为了定量的分析模型的效果，本文分裂缝、松散、凹陷三个类别分别统计了病害识别的准确率，如表1所示：

4 结束语

公路是农村实现现代化的一个重要的基础设施。只有对农村公路路面的病害进行科学的检测与识别，才能及时养护，提高农村居民的生活水平以及加快农村经济的发展。本文基于采集到的公路病害图像，采用YOLO技术实现了公路常见病害凹陷、裂缝、松散的智能检测和识别。

参考文献：

[1] 杨静，李孝兵.路面检测技术现状及未来发展趋势[J].公路交通科技（应用技术版），2012（1）：104-106.

[2] 梅勇，肖洋.新建高速公路沥青砼路面早期损坏分析[J].科技创新导报，2008（30）：47-47.

[3] 芦烨磊.公路工程质量通病及防治措施[J].山西建筑，2010，36（29）：276-277.

[4] 林衍德.农村公路路基病害产生的原因与应对策略[J].住宅与房地产，2018（36）：146.

[5] 程伟，李丹.公路工程常见质量通病成因及其防治措施[J].价值工程，2012，31（19）：76-77.

[6] Redmon J， Divvala S， Girshick R， et al. You only look once： Unified， real-time object detection[C].Proceedings of the IEEE conference on computer vision and pattern recognition. 2016： 779-788.

[7] 顾铮鸣，金晓斌，杨晓艳，等.基于无人机遥感影像监测土地整治项目公路沟渠利用情况[J].农业工程报，2018，34（23）：85-93.

【通联编辑：光文玲】

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。