道路路面病害自动识别技术研究

道路路面病害自动识别技术研究

任均华1,刘涛1 ,闫军,2董磊2

1临沂市公路事业发展中心，山东 临沂276000

2山东通维信息工程有限公司，山东 济南250000

摘要：城市道路是维系城市正常交通通行的大动脉，由于各种内外因素的影响，城市道路成为路面病害的高发区，传统的路面病害检测方式陈旧落后且无法保证准确性，引入自动识别技术对路面病害进行智能识别，有助于提高识别精度。提高病害检测效率。本文对路面病害自动识别技术进行扼要论述，探索通过卷积神经网络开发利用路面病害自动识别技术应用的可能性，供有关部门参考。

关键词：道路；路面病害；自动识别技术研究

引言：传统的人工检测城市道路路面病害的方式已经不适应现代城市发展，亟需引进先进的自动识别技术为路面病害检测注入新的技术发展动力。技术研发人员可致力于开发图像拍摄，构建客户端以及卷积神经网络支持的自动识别技术应用，通过信息平台和相关模型等对路面病害进行智能识别，为城市道路建设和后期养护提供技术保障和数据支持。

1.道路路面病害自动识别技术

1.1裂缝识别

1.1.1.图像增强算法

这种算法是图像预处理算法里的核心内容，它是通过对图像信息进行有用信息提取，尽最大努力屏蔽那些无用信息，再结合图像增强算法，对图像进行大幅度的视觉效果改良，为最终的图像处理工序创造有利条件。

1.1.2.图像分割算法

要得到路面裂缝更加直观准确的图像特点，除了要合理利用图像增强算法，还要科学引入图像分割算法。它是首先辩识图像各个区域的特征进行图像分割，形成特定的图像区域，针对路面裂缝可以进行裂缝区域及背景区域的图像分割，目前通行的主要图像分割算法包括阈值，模糊聚类，区域以及边缘检测等类型。

1.2变形检测

对路面进行变形病害检测时，要注意区分病害的类型，主要有包括错台，隆起以及凹陷等在内，沥青材质的路面还有波浪形以及拥包等现象。总之，路面的病害类型多样，比较复杂，病害检测的传统方式一般都是人眼结合直尺进行，能够对病害进行具体位置，严重程度以及病害路面长度等判定。而今，优化完善的车载路面检测系统已经得到开发利用，激光位移传感技术以及图像分析等，都能有效检测路面病害，还可通过三维病害处理获得更丰富的病害信息量。

2路面病害自动识别技术系统分析

城市交通的道路养护作业中，保养既有道路是一种常规操作，特点是持续时间长且循环往复。为了有效结合道路养护考核及病害处理，为道路养护机构的绩效考核提供依据，保证病害养护的追本溯源，设计构建关于道路养护的客户端，路面病害管护的可视化系统等。这种用于城市路面病害管护的可视化系统和客户端，其功能主要有质量检测，图纸，养护管理，考核管理，人工和智能巡查以及巡查报告等，用户的上传和网页浏览要求通过云服务完成，所有应用的服务器都部署在云端，这些服务器类型主要有数据仓库1FTP文件，智能图像分析以及软件应用等，相互之间配置VPC专用网络，二层隔离有更高的安全系数，网络管理功能大幅提升。通过PC端Web以及手机客户端可以进行视频直播及软件系统访问。

3.利用卷积神经网络研究路面病害识别技术

3.1.智能识别路面病害

对路面病害进行智能识别技术研发，第一，利用超声技术，光纤检测技术以及探地雷达设备，通过分析设备发回的反馈信号识别路面病害；第二，利用光纤维信号，检测路面上的杨氏模量以及CFRP复合材料的密度，对路面刚度缺陷等病害非常适用，缺点是需要提前在道路内部预埋光纤维，检测结论缺乏代表性，成本高昂且病害类型检测覆盖面很小，不适宜在路面养护中推广；第三，通过研究路面声波具有的非线性识别路面病害；第四，通过二维声波检测图像识别路面病害，这种方法在确定病害类型时有经验依赖性，主观因素可能左右检测结论，检测期间必须地面耦合，在连续开展路面检测中不适用，对交通通行有不利影响；第五，为探地雷达安装300MHz屏蔽天线，对路堤进行潜在裂缝危害检测，利用雷达剖面图对路基裂缝进行准确的位置定位，同时获取裂缝长度数据；第六，随着图像识别技术在工程建设领域的大力引进和利用，又开始利用深度卷积神经网络开发研究路面检测系统，把整流线性单元用作激活函数，促进训练期间模型快速收敛；第七，通过无人机对路面裂缝进行实时摄像完成病害识别，同步测量裂缝宽度。

本文的路面病害检测算法是智能化的卷积神经网络方式，把它向中心监控室的图像识别代码嵌入，摄像机安装于智能道路巡检车，在拍摄关于城市道路状况的视频，进行视频抽帧，通过无线或有线网络向监控中心实时传输相关图片和数据，中心服务器通过深度学习算法，实时识别图片后在数据库保存。利用信息化平台结合巡检数据，对城市道路病害进行可视化巡查，上报，派单，审验，考核等整个流程形成一个闭环，管理工作更加高效。

3.2.利用卷积神经网络进行图片识别

图像识别技术应用于道路病害检测，最早是在检测路况质量中使用，用于检测路面病害程度指数，它利用车载摄像机垂直拍摄路面，完成路面图像采集交由专业软件，以人机交互的方式处理视频，除了可以识别路面病害并完成定性，还可对路面病害完成定量，供评估道路质量用作参考依据。它属于质量检测指标，需要定量极其精准，且单次垂直拍摄局限于一条车道，检测作业效率不高，要对全部车道进行检测。需要投入更多成本。路面病害识别包括4步流程，即采集路面图像，图像预处理，提取病害特征以及对病害图像进行分类。卷积神经网络主要为后面三步流程提供服务，自己也起到中间项的作用，实现和软件系统及硬件设备的有效链接。

3.3.图片识别效果

图像识别技术的智能化程度越来越高，可以考虑进军路面养护等传统领域，尝试利用摄像头拍摄并同步呈现该覆盖区域的路面病害，达到人眼观测和摄像头拍摄同等效果的目的，把路面病害精准对应到实际的地理位置上，在3年试验期间，路面病害图片数量达百万级，通过摄像头互检及GNSS定位，病害识别及位置对应都更加精准，为图像识别智能技术早日应用于城市路面病害检测打下技术基础。在对视频抽帧后，利用卷积神经网络提取病害特征，利用目标检测模型进行病害检测，病害类型判定及评级一步到位，取得高达95%的准确率，识别效果非常理想。训练流程如下：第一，智能巡检车，安装了专业摄像机，同步安装的RTK定位器极其精准；第二，图片采集达到每秒120帧的频率；第三，数据采集，包括对道路图像，GPS数据以及图片桩号，还有同步完成上传的巡查作业时间及标段等在内的数据；第四，图片均超过500K；第五，图片数量高达9万张；第六，训练样本高达5万张。

结束语：由此可见，在对城市道路进行路面病害检测期间，合理引入智能化的自动识别技术，有利于一改传统人工目测加三米直尺到传统病害检测方式，不但提高了检测效率，而且检测结果的精准度也大幅提升，为开展城市道路路面养护和相关决策规划提供可靠依据。相关部门还须对城市路面的变形，裂缝等病害加大自动化识别技术研发力度，合理引进卷积神经网络等投入智能识别路面病害等技术的研发工作，高效开展路面病害到智能识别和图像识别，确保精准判定城市路面病害的类型和等级，通过全自动识别技术让路面病害一览无余，无处可逃。

参考文献

[1]荣婧.复杂路面裂缝病害自动识别技术研究[D].东南大学,2013.

[2]石帅.高速公路路面和路基病害检测理论与方法探讨[J].引文版：工程技术,2016,000(005):P.86-86.

[3]沙爱民,蔡若楠,高杰,etal.基于级联卷积神经网络的公路路基病害识别[J].长安大学学报（社会科学版）,2019,039(002):1-9.