汪雪龙,宋美莹,卢锐涵,陈 思,刘 姗

路面表观病害的高效精准识别是实现道路智能养护的关键前提。针对病害形态多样、尺度差异大、图像干扰因素多及样本分布不均衡等挑战，提出一种基于深度学习的智能检测与分类方法。该方法融合多源图像数据，设计语义保持的数据增强策略，并构建层级化特征提取与分类决策机制，兼顾细小裂缝与大面积病害的识别需求。通过动态阈值与置信度校准降低误判率，支持轻量化部署，满足车载端实时巡检需求。实验表明，该方法在平均精度均值超过92%的同时，单帧推理时间低于50毫秒，具备良好的鲁棒性与实用性。实际道路测试中可有效区分真实病害与伪干扰，生成结构化病害信息，为养护决策提供可靠数据支撑。

深度学习；路面表观病害；智能检测

[1] 何林艳.基于深度学习的沥青混凝土路面裂缝智能检测与修复决策[J].水泥,2025(9):119-121. [2] 陈茂.基于深度学习的隧道衬砌病害智能检测方法设计[J].智能城市,2025,11(3):128-130. [3] 黄健鸿.基于深度学习的沥青路面病害检测技术[J].交通世界,2025(30):74-76.

点击下载PDF