远程传感方法用于大规模的青路面老化评估,采用自动样本生成和深度学习
Jinxi Yao1,2, Qiao Xu3,4, Fei Yu3,4
1CCCC Second Highway Consultants Co., Ltd., Wuhan, 430056, China. yaojinxi_97@163.com.
Scientific reports
|November 25, 2025
概括
这项研究引入了一个新的框架,用于通过遥感和深度学习来评估青路面的老化. 它可以快速,准确地对大面积进行评估,以改善道路维护和交通安全.
科学领域:
- 遥感 遥感 遥感 遥感
- 深度学习 (Deep Learning) 是一种深度学习.
- 铺路工程 铺路工程是指铺路工程.
背景情况:
- 青路面的老化评估对于道路维护和交通安全至关重要.
- 传统的手动调查对于大规模监测来说是低效和耗时的.
研究的目的:
- 开发一个创新的框架,以快速准确地评估大面积的青路面老化.
- 集成多端混合像素脱,自动样本生成和深度学习用于路面老化评估.
主要方法:
- 利用WorldView-3远程传感数据进行样本生成.
- 采用多个终端成员的光谱分离和邻近过来创建高质量的培训和验证样本.
- 应用了一维卷积神经网络 (1D-CNN) 与无监督的零射击传输方法用于模型训练和推理.
主要成果:
- 在研究区域-I.中实现了高分类准确度 (95.95%) 和卡帕系数 (0.9459).
- 在研究区域-II中表现良好,准确率为89.70%,卡帕系数为0.8628.
- 验证了大面积青路面老化评估拟议框架的有效性.
结论:
- 综合框架为快速评估青路面老化提供了有效的解决方案.
- 结果支持改善路面维护决策和交通安全预警系统.
