道路裂缝检测对于维持道路安全起着十分重要的作用。及时的检测有助于道路的诊断和维修，从根源上减少安全隐患。传统方法是基于人对道路进行检测，该方法的缺点：（1）耗大量的人力物力和时间；（2）易出现人为误判；（3）由于人类视觉的局限性导致检测精度不高。

      针对传统方法的缺点，本项目提出了一种融合图像处理方法和深度学习方法对道路裂缝进行检测的算法。该算法先对图像进行分块，然后利用卷积神经网络对每个小块进行结构预测，综合图片中所有小块的结果可以得到全图的裂缝分割结果。提出的CNN结构如图一所示，算法的输入输出如图二所示。

      该方法实现了道路裂缝的自动检测，减轻了人为检测的负担和错误率。研究论文已经发表在arXiv上。

图一 卷积神经网络（CNN）结构

图二 算法的输入和输出示例

论文下载：Zhun Fan, Yuming Wu, and Jiewei Lu. Automatic Pavement Crack Detection Based on Structure Prediction with the Convolutional Neural Network. [PDF Download],[Bibtex Download]