使用计算效率高的图像处理技术增强青路面隐藏缺陷的GPR功能
Shengjia Xie1,2, Jingsong Chen3, Ming Cai1,2
1Shanghai Road and Bridge Group Co., Ltd., Shanghai 200433, China.
Materials (Basel, Switzerland)
|September 27, 2025
概括
通过图像处理预处理地面透雷达 (GPR) 数据,增强了对青路面缺陷的超标特征检测. 这提高了计算机视觉算法的准确性和速度,使得缺陷识别更快.
科学领域:
- 地质物理学 地质物理学
- 土木工程 土木工程是指土木工程.
- 计算机视觉 计算机视觉
背景情况:
- 穿透地面雷达 (GPR) 数据中的过度反射特征对于识别隐藏的青路面缺陷至关重要.
- 目前的深度学习方法与原始GPR数据扎,导致不准确的缺陷检测.
- 增强GPR数据反射功能对于实时,准确的缺陷分析至关重要.
研究的目的:
- 为GPR数据预处理提出可访问的图像处理方法.
- 增强超标反射功能,以提高缺陷检测的准确性和速度.
- 在现有的计算机视觉算法上评估预处理技术的性能.
主要方法:
- 应用图像处理技术,如Sobel边缘检测和组图等同原始GPR数据.
- 使用标准图像处理库进行数据预处理.
- 量化性能使用已识别的超模信号与噪声比率 (RIHSNR) 的区域.
- 集成的预处理数据与更快的R-CNN和CBAM-YOLOv8模型.
主要成果:
- 索贝尔边缘检测和Otsu的值显著提高了检测准确度.
- mAP@0.5从0.65增加到0.85对于更快的R-CNN和0.72增加到0.88对于CBAM-YOLOv8.8.
- 推断时间减少到30毫秒的更快的R-CNN和25毫秒的CBAM-YOLOv8.
- 通过RIHSNR证实了增强的超标特征检测能力.
结论:
- 简单的图像处理方法有效地增强GPR数据用于路面缺陷检测.
- 预处理原始GPR数据可以提高深度学习模型的性能.
- 提出的方法为快速准确的实时GPR缺陷分析提供了一条途径.


