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:2020/7/16 21:57:58

       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《Automatic Crack Detection on Road Pavements Using Encoder-Decoder Architecture》被MDPI旗下知名期刊《Materials》(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。

       图像裂缝自动检测是保证水泥混凝土路面和沥青混凝土路面道路安全和耐久性的一项重要工作。路面的破坏取决于许多原因,包括水的侵入,来自重负载的压力,以及所有的气候影响。一般来说,裂缝是路面出现的第一个问题,适当的监测和维护以防止裂缝扩展或形成是重要的。传统的识别道路裂缝的算法是非常费时和高成本的。许多裂纹具有复杂的拓扑结构、油污、连续性差、对比度低等特点,难以确定裂纹特征。因此,自动裂纹检测算法是提高检测结果的关键工具。

       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,提出了一种基于编码器和解码器结构的自动化道路裂缝检测算法,如图1所示。该算法基于U-net架构实现图像裂缝端到端的自动化检测。该论文提出了多空洞卷积模块可以扩大特征图的感受野和捕获更多的上下文信息,获得更多的特征图的信息。同时,分层特征提取模块对高低卷积层分别进行特征提取和深入的分析,提高裂缝检测精度。

 

图1 自动化道路裂缝检测框架

图2 CFD数据集实验结果

 

论文下载:Download PDF

论文引用:Fan Z., Li C, Chen Y, Wei J, Loprencipe G, Chen X, Di Mascio P. Automatic Crack Detection on Road Pavements Using Encoder-Decoder Architecture[J]. Materials, 2020, 13(13): 2960. (JCR:Q2,IF:3.057)

 

 

 

 

 

 

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.