汪雪龙,宋美莹,刘俊杰,李婧雯,周友刚

针对路面病害损伤程度评估中特征提取单一、环境干扰强、传统方法精度不足等问题，探索深度学习结合多维度图像特征的评估路径与方法体系。通过整合灰度、纹理、形态等多维度图像特征，借助深度学习技术实现病害特征的自适应提取与高效融合，完成路面病害类型识别与损伤等级量化。实验验证表明，该评估方法在复杂路况下稳定性与识别精度更优，可为路面智能化检测与养护决策提供技术支撑。

深度学习；图像特征融合；路面病害评估

[1] 李聪聪,袁子龙,滕桂法.基于深度学习的时空特征融合网络入侵检测模型研究[J].信息安全研究,2025,11(2):122-129. [2] 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. [3] 邹政,陈江,郎洪,王笑风,万晨光,丁朔,陆键.基于机器学习方法的路面病害检测研究综述[J].交通信息与安全,2025,43(2):154-168.

点击下载PDF