基于卷积神经网络的公路路面缺陷识别研究与实现

发布时间：2021-01-09 00:17

　　传统路面缺陷检测研究中所使用的单一裂缝类纹理特征,在复杂道路状况下不能实现对其他路面缺陷的有效识别。一方面,路面凹坑是存在于公路路面中常见的病害类型,需要有效的方法对其进行识别分析;另一方面,道路上除了完好路段和带缺陷的路段外,还会出现路面垃圾杂物、太阳光照射产生的树荫和旁车等干扰,传统路面缺陷方法容易出现误判和漏判现象,识别效率低且效果不理想。以往靠人工作业来对路面状况进行判定的方法已经不适合当今对高质量的公路维护任务的要求,路面缺陷识别方法需要更高效地检测手段。深度学习方法在图像和机器视觉领域得到广泛研究和应用,受到深度学习方法的启发,本文以深层卷积神经网络作为研究方法,以多种路面缺陷为对象,研究了卷积神经网络CNN在路面病害缺陷识别中的应用,利用一个训练好的深层卷积神经网络,完成对公路路面缺陷特征的自动提取,实现了对裂缝类、凹坑类、路面垃圾杂物和完好路面等类型的分类。文章在Caffe设计框架的基础上,对原VGG模型进行了改进和参数的优化,利用数据集增强方法扩充了原始数据,将数据用于卷积神经网络的训练,测试结果表明研究方法的可行性。本论文的研究工作主要体现为以下几个部分:（1）充分... 

【文章来源】：广东工业大学广东省

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

生成式对抗网络Fig.2-2Generativeantagonisticnetwork

第二章 深度学习理论相关介绍进行求和：i ji jju w x阈值，通过 ui与 的简单相加，可以得到中间值iv i i iv u 激活函数，神经元的输出 yi为：( )i iy f v激活函数如下图 2-6 所示，它是阶跃函数，阶跃函{ 1,1}，其中前者代表抑制，后者代表兴奋。

图 2-8 简单感知机Fig.2-8 Simple perceptron成逻辑与、或、非运算 中(a)、(b)和(c)。(1,1)(1,0)题1 2( x x)1x(0,1)(0,0)(b) 或 问2x(0,1)2x


本文编号：2965593