汕头大学主页|汕头大学工学院|English Vision
  联系信息

邮件:zfan@stu.edu.cn

地址:广东省汕头市大学路243号汕头大学科学楼

邮编:515063

 
新闻中心
重点实验室博士生李冲等在道路裂缝检测方面的成果被SCI工程技术2区期刊接收
 
发布时间:2020/2/15 20:12:05

        最近,由汕头大学范衠教授和意大利罗马大学Giuseppe Loprencipe教授联合培养博士生李冲(该项目获得国家留学基金管理委员会-2019年国家建设高水平大学公派研究生项目资助),共同完成的论文《Ensemble of Deep Convolutional Neural Networks for Automatic Pavement Crack Detection and Measurement》被MDPI旗下知名期刊《Coatings》(JCR:Q2)录用。论文的第一作者是汕头大学范衠教授,通讯作者是意大利罗马大学Giuseppe Loprencipe教授。

        道路裂缝检测对于道路维护管理者维护道路安全起着十分重要的作用。道路管理者及时有效的检测,有助于道路的诊断和维修,从根本上减少安全隐患和延长道路使用寿命。传统得方法是基于人类视觉对于道路检测,缺点是:(1)耗费大量人力物力和时间;(2)易出现人为误判;(3)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,该论文对道路裂缝检测算法进行了进一步研究,提出了一种基于集成卷积神经网络的自动化道路裂缝检测和测量算法。该算法是先对图像进行分块,然后对每个卷积神经网络结构预测的概率图进行求和,再进行平均值处理得到预测结果。最后对预测裂缝图片进行分割和骨骼化提取,提取出裂缝的骨骼架构,并计算出裂缝的宽度和长度。该方法实现了道路裂缝的自动化检测和测量,减轻了人为检测的负担和错误率。

 

 

图 (1) 集成网络裂缝检测和测量系统框架

 

 

图(2)道路裂缝骨骼提取以及裂缝的宽度和长度

 

 

论文下载:Download PDF

论文引用:Fan Z, Li C, Chen Y, Mascio PD, Chen X, Zhu G, Loprencipe G. Ensemble of Deep Convolutional Neural Networks for Automatic Pavement Crack Detection and Measurement. Coatings. 2020; 10(2):152.(JCR:Q2,IF:2.33)

 

 

 

 

 

版权所有:广东省数字信号与图像处理技术重点实验室 | 学院地址:广东省汕头市大学路243号汕头大学科学楼4楼
copyright © 2023 imagelab.stu.edu.cn all rights reserved.