基于深度学习的路面裂缝自动检测与分类
计算机视觉与模式识别
2024-06-13 v1 计算机与社会
摘要
监测资产状况是构建高效交通资产管理的关键因素。由于图像处理的巨大进步，传统的人工分类已大部分被半自动/自动技术所取代。因此，需要自动化的资产检测与分类技术。本文提出了一种使用著名的You Only Look Once (YOLO)第五版(YOLOv5)和第八版(YOLOv8)算法来检测和分类道路路面裂缝的方法。实验结果表明，在不同光照条件和图像尺寸下，路面裂缝检测的精度最高可达67.3%。本研究的发现可以帮助公路管理部门在不同光照条件下准确检测和分类资产状况。这将减少与人工检查相关的成本和时间，从而大大降低公路资产维护的成本。
引用
@article{arxiv.2406.07674,
title = {Automated Pavement Cracks Detection and Classification Using Deep Learning},
author = {Selvia Nafaa and Hafsa Essam and Karim Ashour and Doaa Emad and Rana Mohamed and Mohammed Elhenawy and Huthaifa I. Ashqar and Abdallah A. Hassan and Taqwa I. Alhadidi},
journal= {arXiv preprint arXiv:2406.07674},
year = {2024}
}