基于改进U-net模型的路面裂缝智能识别
发布时间：2021-03-20 07:59
路面裂缝快速检测及响应是道路养护部门的一项重要工作,然而传统的裂缝检测方法耗时且准确度低。因此,本文基于改进后的U-net模型实现对路面裂缝精准地自动识别。结合Canny边缘检测、Otsu阈值分割算法和人为干预手段研发一款半自动标注软件,用以实现路面裂缝的像素级标注。研究以路面2D激光图像为数据集,并在此基础上通过数据增强进行数据集样本扩充,从而构建模型训练原始样本库;在实验分析阶段,使用交叉熵损失函数判断预测值与真实值的误差大小,并结合Adam算法优化模型。研究表明改进后的U-net模型在识别精度及泛化能力上均优于原U-net模型及全连接神经网络模型。该研究将为道路养护管理部门的路面病害快速检测提供技术支撑,从而利于快速响应、采取措施保证路面的行车安全。
【文章来源】：数据采集与处理. 2020,35(02)北大核心CSCD
【文章页数】：10 页
【部分图文】：
DHDV采集的2D和3D图像
裂缝形状纤细且不规则，采用多边形标注工具不能准确地表达出裂缝的特征，因此笔者研发一款半自动的像素级标注软件，主要用于裂缝图像的标注。首先利用自适应Canny边缘检测或Otsu阈值分割算法对框选的目标区域进行自动识别，再结合人为干预的手段对识别结果进行除噪和填充。自适应Canny边缘检测主要用于轮廓检测，当裂缝形状纤细时使用Canny边缘检测所得到裂缝轮廓之间的空隙不大，再使用OpenCV中的“闭运算”先对图像进行膨胀再腐蚀，以填充前景物体中的空隙；当裂缝宽度较大时，“闭运算”的填充效果并不好，而Otsu阈值分割算法对于双峰图像（直方图中存在两个峰）有可观的分割效果，在框选的区域中，宽度大的裂缝更符合双峰图像标准。综上，当裂缝形状纤细时使用Canny边缘检测来获取标签图像，反之使用Otsu阈值分割算法。具体的操作流程如图3所示。图4展示了使用半自动像素级标注软件标注的结果，基于该软件标注的裂缝轮廓清晰明显，形状纤细。其中图4上方两张图片代表采集的两张原始图像，下方的两张图片代表自动标注的结果。
训练样本数量以及特征多样性对于神经网络模型的训练效果至关重要，样本数量不够或类别不平衡可能导致模型出现欠拟合现象。但目前在网络上还没有公开的裂缝数据集，因此可以利用卷积神经网络具有平移、缩放、旋转不变性的特点，通过人工筛选得到2 000张训练图像，并利用弹性变形技术(旋转、镜像、裁剪和缩放)对原始图像及其对应的标签图像进行数据增强，从而扩充训练数据集。同时为确保新生成的数据样本图像尺寸大小不发生变化，对图像边界外的点使用最近点的像素值进行填充，图5展示了部分经过弹性变形技术增强后的图像。为测试模型的性能，研究将DHDV采集的110张未参与到训练过程的图像以及500张由福建省高速公路达通检测有限公司提供的图像（武大卓越RTM检测车采集图像）作为测试数据集，部分测试图像如图6所示。最终训练数据集，测试数据集图片数量分别为6 000幅和610幅。图4 训练样本标注结果
【参考文献】：
期刊论文
[1]基于卷积神经网络的语种识别系统[J]. 金马,宋彦,戴礼荣. 数据采集与处理. 2019(02)
[2]融入视觉注意机制的路面裂缝检测与识别[J]. 张玉雪,唐振民,钱彬,徐威. 计算机工程. 2018(04)
[3]基于三维虚拟路面的裂缝自动检测算法[J]. 彭博,蔡晓禹,李少博,张有节. 重庆交通大学学报(自然科学版). 2018(01)
[4]基于三维光影模型的公路路面裂缝自动识别算法[J]. 阳恩慧,张傲南,丁世海,王郴平. 西南交通大学学报. 2017(02)
[5]Elements of automated survey of pavements and a 3D methodology[J]. Kelvin C.P.WANG. Journal of Modern Transportation. 2011(01)
硕士论文
[1]复杂背景下的路面裂缝检测算法研究[D]. 李丽.陕西师范大学 2018
本文编号：3090641
【文章来源】：数据采集与处理. 2020,35(02)北大核心CSCD
【文章页数】：10 页
【部分图文】：
DHDV采集的2D和3D图像
裂缝形状纤细且不规则，采用多边形标注工具不能准确地表达出裂缝的特征，因此笔者研发一款半自动的像素级标注软件，主要用于裂缝图像的标注。首先利用自适应Canny边缘检测或Otsu阈值分割算法对框选的目标区域进行自动识别，再结合人为干预的手段对识别结果进行除噪和填充。自适应Canny边缘检测主要用于轮廓检测，当裂缝形状纤细时使用Canny边缘检测所得到裂缝轮廓之间的空隙不大，再使用OpenCV中的“闭运算”先对图像进行膨胀再腐蚀，以填充前景物体中的空隙；当裂缝宽度较大时，“闭运算”的填充效果并不好，而Otsu阈值分割算法对于双峰图像（直方图中存在两个峰）有可观的分割效果，在框选的区域中，宽度大的裂缝更符合双峰图像标准。综上，当裂缝形状纤细时使用Canny边缘检测来获取标签图像，反之使用Otsu阈值分割算法。具体的操作流程如图3所示。图4展示了使用半自动像素级标注软件标注的结果，基于该软件标注的裂缝轮廓清晰明显，形状纤细。其中图4上方两张图片代表采集的两张原始图像，下方的两张图片代表自动标注的结果。
训练样本数量以及特征多样性对于神经网络模型的训练效果至关重要，样本数量不够或类别不平衡可能导致模型出现欠拟合现象。但目前在网络上还没有公开的裂缝数据集，因此可以利用卷积神经网络具有平移、缩放、旋转不变性的特点，通过人工筛选得到2 000张训练图像，并利用弹性变形技术(旋转、镜像、裁剪和缩放)对原始图像及其对应的标签图像进行数据增强，从而扩充训练数据集。同时为确保新生成的数据样本图像尺寸大小不发生变化，对图像边界外的点使用最近点的像素值进行填充，图5展示了部分经过弹性变形技术增强后的图像。为测试模型的性能，研究将DHDV采集的110张未参与到训练过程的图像以及500张由福建省高速公路达通检测有限公司提供的图像（武大卓越RTM检测车采集图像）作为测试数据集，部分测试图像如图6所示。最终训练数据集，测试数据集图片数量分别为6 000幅和610幅。图4 训练样本标注结果
【参考文献】：
期刊论文
[1]基于卷积神经网络的语种识别系统[J]. 金马,宋彦,戴礼荣. 数据采集与处理. 2019(02)
[2]融入视觉注意机制的路面裂缝检测与识别[J]. 张玉雪,唐振民,钱彬,徐威. 计算机工程. 2018(04)
[3]基于三维虚拟路面的裂缝自动检测算法[J]. 彭博,蔡晓禹,李少博,张有节. 重庆交通大学学报(自然科学版). 2018(01)
[4]基于三维光影模型的公路路面裂缝自动识别算法[J]. 阳恩慧,张傲南,丁世海,王郴平. 西南交通大学学报. 2017(02)
[5]Elements of automated survey of pavements and a 3D methodology[J]. Kelvin C.P.WANG. Journal of Modern Transportation. 2011(01)
硕士论文
[1]复杂背景下的路面裂缝检测算法研究[D]. 李丽.陕西师范大学 2018
本文编号：3090641
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3090641.html
