通过深度学习和图像分析进行自动化路面状况指数评估:一个端到端的方法
Eldor Ibragimov1, Yongsoo Kim1, Jung Hee Lee2
1SISTech Co., Ltd., Seoul 05006, Republic of Korea.
Sensors (Basel, Switzerland)
|April 13, 2024
概括
本研究介绍了使用深度学习和图像处理计算路面状况指数 (PCI) 的自动化方法. 这种新的方法可以准确地检测裂并测量它们的宽度,提高道路维护效率和可靠性.
科学领域:
- 土木工程 土木工程是指土木工程.
- 计算机科学 计算机科学
- 基础设施管理基础设施管理
背景情况:
- 由于环境因素造成的道路路面退化是一个重大的基础设施挑战.
- 手动路面状况指数 (PCI) 评估是劳动密集型,主观的,容易出现错误.
- 准确的PCI评估对于基础设施维护,预算分配和绩效跟踪至关重要.
研究的目的:
- 开发和验证一个自动化,端到端的方法来计算路面状况指数 (PCI).
- 克服传统手动PCI评估方法的局限性.
- 提高路面困境识别和评估的效率和可靠性.
主要方法:
- 集成深度学习算法用于自动化路面裂检测.
- 图像处理的应用,特别是基于细分的骨架算法,用于精确的裂宽度估计.
- 开发一个与既定标准一致的PCI评级自动化系统.
主要成果:
- 通过使用深度学习,在路面裂检测中实现了95%的准确性.
- 通过图像处理技术估计裂宽度的准确度达到了90%.
- 成功实施了一个自动化的PCI评级系统,显示了效率和可靠性的显著改进.
结论:
- 新的自动化方法显著提高了路面状况指数 (PCI) 评估的准确性和效率.
- 这种方法为手动PCI评估提供了可靠的替代方案,减少了主观性和人为错误.
- 开发的技术为路面维护策略和更广泛的道路基础设施管理带来了进步.
