<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>全文对比</title>
<link rel="stylesheet" href="static/css/common.css">
<link rel="stylesheet" href="static/css/allTextCompare.css">
<script type="text/javascript" src="static/js/jquery.min.js"></script>
<script type="text/javascript" src="static/js/allTextCompare.js"></script>
<script type="text/javascript" src="static/js/header.js"></script>
</head>
<body>
<div class="head_wrap">
<div class="header">
<div class="header_box">
<div class="head_left">
<a href="#"><img src="static/images/logo.png" alt="" class="logo"></a>
<div>
<p class="p_title">基于深度学习路面病害高精度提取的研究</p>
<p class="p_name">
<span>作者：陈韶华</span>
<span>提交时间：2022-03-07 23:07:05</span>
</p>
</div>
</div>
<div class="head_right">
<div class="">
<p class="p_top">正文字符数：62062</p>
</div>
<div class="percent_box">
<p class="percent">9.65%</p>
<p class="line_icon">
<span class="active_line" style="width: 9.65%"></span>
</p>
</div>
</div>
</div>
</div>
</div>
<div class="tab">
<div class="tab_box">
<ul class="tab_left">
<li><a href="综合评估.html">综合评估</a></li>
<li><a href="相似片段.html">相似片段</a></li>
<li><a href="javascript:void(0);" class="active_li">全文对比</a></li>
</ul>
<ul class="tab_right">
<li>
<span class="square square_1"></span>
<span class="percent_range"> ＞70% </span>
</li>
<li>
<span class="square square_2"></span>
<span class="percent_range"> 30%~70% </span>
</li>
<li>
<span class="square square_3"></span>
<span class="percent_range"> ≤30% </span>
</li>
</ul>
</div>
</div>
<div id="content" class="content">
<div class="content_box">
<div class="content_left">
<ul class="top_tip">
<li>
<span class="circle red"></span>
<span class="word_1">红色代表重复</span>
</li>
<li>
<span class="circle gray"></span>
<span class="word_3">灰色代表不参与检测</span>
</li>
<li>
<span class="circle black"></span>
<span class="word_4">黑色代表原创</span>
</li>
</ul>
<div class="paragraph_wrap">
<div class="paragraph">
<p style='text-indent:2em;color:#989898;'>硕士学位论文</p>
<br/>
<div class="piece" id="html_paragraph_48">
<p style='text-indent:2em;'>摘 要</p><br/>
<p style='text-indent:2em;'>近年来，公路的总里程呈现上升趋势。对道路进行高效率、高质量养护已成</p><br/>
<p style='text-indent:2em;'>为智慧交通亟需攻克的难题。路面病害存在的规格形式各异，主要以裂缝和坑槽</p><br/>
<p style='text-indent:2em;'>为代表。若不及时勘测和修补，将给国民的日常出行带来诸多不便。然而，传统</p><br/>
<p style='text-indent:2em;'>道路病害识别检测方案往往成本高、费时间、准确率低，缺乏长期发展的商用价</p><br/>
<p style='text-indent:2em;'>值。目前深度学习技术成绩斐然，特别是在在人脸识别等领域可以实现检测速度</p><br/>
<p style='text-indent:2em;'>更快、识别精确度更高。本课题以路面裂缝和坑槽为研究对象，具体研究工作如</p><br/>
<p style='text-indent:2em;'>下：</p><br/>
<p style='text-indent:2em;'>（1）为了实现对路面病害的快速定位和提取，针对传统 Canny 检测算法存</p><br/>
<p style='text-indent:2em;'><font color='red'>在滤波去噪时容易导致细节信息丢失的问题，提出了基于中值滤波的算法，使得</font></p><br/>
<p style='text-indent:2em;'>边缘特征更容易保留。针对人工设定阈值具有较强随机性、麻烦费事等问题，设</p><br/>
<p style='text-indent:2em;'>计了基于 OSTU 对算法进行优化，使其对图像进行自适应求解阈值。</p><br/>
</div>
<p style='text-indent:2em;'>（2）针对深度学习模型训练需大量数据问题，本文提出了基于形态学图像变</p><br/>
<p style='text-indent:2em;'>换增加数据的算法，增强模型对边框位置等特征的感知能力。考虑到复杂工况下，</p><br/>
<p style='text-indent:2em;'>雾天、阴天等采集图像可能出现模糊、暗淡的情况，设计了基于 Retinex 算法的数</p><br/>
<p style='text-indent:2em;'>据扩增方法，非线性模拟真实工况下采集的道路图像，提高模型抽象化能力。</p><br/>
<p style='text-indent:2em;'>（3）针对传统图像处理算法对道路病害识别困难和抗噪声能力差等问题，设</p><br/>
<p style='text-indent:2em;'>计了基于深层卷积模型-Faster RCNN 的路面病害检测算法，利用迁移学习算法和</p><br/>
<p style='text-indent:2em;'>结合多模型组合的优势，通过选择多种不同的 backbone，并调整网络参数，构建</p><br/>
<p style='text-indent:2em;'>一种适应于路面病害特征提取的检测模型，该方法比传统图像处理算法有较好的</p><br/>
<p style='text-indent:2em;'>提升，mAP 值可以达到 37.23%，而且其 Recall 为 52.79%和处理每帧图片达到</p><br/>
<p style='text-indent:2em;'>267ms。</p><br/>
<div class="piece" id="html_paragraph_32">
<p style='text-indent:2em;'>（4）针对复杂工况下路面病害较难识别和提取困难的问题，提出了对默认</p><br/>
<p style='text-indent:2em;'>Faster RCNN 网络模型进行改进的算法。为了学习更多的边缘等特征信息，在</p><br/>
<p style='text-indent:2em;'>backbone 结构中加入了具有多尺度多特征融合模块，保留细节信息，扩大高层的</p><br/>
<p style='text-indent:2em;'>局部感受区域。考虑到小面积、几何形状不明显的病害难以提取特征的问题，设</p><br/>
<p style='text-indent:2em;'>计一种多尺寸多比例的 Anchor box 生成方案，抑制漏检比例。针对低分辨率或处</p><br/>
<p style='text-indent:2em;'>于边缘的病害容易误检，<font color='red'>设计了基于双线性插值的 ROI Align 替代原有的 ROI</font></p><br/>
<p style='text-indent:2em;'>Pooling 算法，使得病害特征更加合理匹配空间信息。实验表明，此方法的 mAP</p><br/>
<p style='text-indent:2em;'>值提升了将近 6%。</p><br/>
</div>
<p style='text-indent:2em;color:#989898;'>关键词：深度学习；Canny；Retinex ；Faster RCNN；迁移学习</p>
<br/>
<p style='text-indent:2em;'>II</p><br/>
<p style='text-indent:2em;'>Abstract</p><br/>
<p style='text-indent:2em;'>In recent years,the total mileage of highways is on the rise.Efficient and high-</p><br/>
<p style='text-indent:2em;'>quality maintenance of roads has become an urgent problem for smart transportation.</p><br/>
<p style='text-indent:2em;'>Road surface diseases exist in different specifications,mainly represented by cracks</p><br/>
<p style='text-indent:2em;'>and pits.If it is not surveyed and repaired in time, the daily travel of the people will</p><br/>
<p style='text-indent:2em;'>bring a lot of inconvenience.However,traditional r
