基于深度学习的城市道路沥青路面病害智能检测仿真实验

为提高城市道路沥青路面病害检测精度，提出一种基于深度学习的智能检测方法。方法以Faster R-CNN网络为基础检测模型，通过对采用拟合值填充方式优化Faster R-CNN网络卷积层，提升网络对目标检测的准确性，实现了Faster R-CNN网络的改进；然后利用改进后的Faster R-CNN网络对城市道路沥青路面病害进行检测，实现了沥青路面病害的智能检测。仿真结果表明，所提的改进Faster R-CNN网络可有效检测城市道路沥青路面坑槽、裂缝病害，且具有较高的检测精度，平均精确度的均值达到为90.26%。相较于标准Faster R-CNN网络和ResNet、U-Net目标检测算法，在平均精确度的均值和单张图像的检测速度指标上具有明显优势，可用于实际城市道路沥青路面病害检测。