高群,安晓澜,王芊芊,曹杰

• 1:国网浙江温岭市供电有限公司
• 2:浙江大学控制科学与工程学院
• 3:温岭市非普电气有限公司

摘要(Abstract)：

我国地面裂纹检测主要依靠工作人员手工识别,具有时间长、劳动量大、检测不精确的缺点.为此开发了道路图像裂纹检测算法,主要分为四个步骤:图像分割、光照补偿、裂纹提取和裂纹识别.目前该算法能够对输入图像进行批量裂纹检测,并导出检测结果.利用该算法通过对浙江省交通投资集团提供的1000张图像进行检测,结果表明该检测算法对于所有裂纹来说,误检率为0.25,漏检率为0.04,f1数为0.842.

关键词(KeyWords)： 道路工程;裂纹检查;光照模型;阈值分割;逻辑回归

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 高群,安晓澜,王芊芊,曹杰

DOI: 10.16393/j.cnki.37-1436/z.2019.05.006

参考文献(References)：

• [1]覃荣贞．浅谈变电站混凝土道路施工方法[J]．城市建设理论研究（电子版），2011(21):5.
• [2]陈齐平，肖强，张敏，等．基于多种算法的高速公路路面裂纹检测分析[J]．公路，2018(6):25-27.
• [3]瞿中．基于图像处理的裂纹检测技术[M]．北京：科学出版社，2016:102-167.
• [4]Sy N T,Avila M,Begot S,et al.Detection of defects in road surface by a vision system[C]//Electrotechnical Conference,2008.MELECON 2008.The 14th IEEE Mediterranean.IEEE,2008:847-851.
• [5]何靓俊．基于图像处理的沥青路面裂纹检测系统研究[D]．西安：长安大学，2008.
• [6]Subirats P,Dumoulin J,Legeay V,et al.Automation of pavement surface crack detection using the continuous wavelet transform[C]//Image Processing,2006IEEE International Conference on.IEEE,2006:3037-3040.
• [7]Yamaguchi T,Hashimoto S.Fast crack detection method for large-size concrete surface images using percolation-based image processing[J].Machine Vision and Applications,2010,21(5):797-809.
• [8]Song K Y,Petrou M,Kittler J.Texture crack detection[J].Machine Vision and Applications,1995,8(1):63-75.
• [9]Zou Q,Cao Y,Li Q,et al.CrackTree:Automatic crack detection from pavement images[J].Pattern Recognition Letters,2012,33(3):227-238.
• [10]初秀民，王荣本，储江伟，等．沥青路面破损图像分割方法研究[J]．中国公路学报，2003,16(3):11-14.
• [11]Zhang L,Yang F,Zhang Y D,et al.Road crack detection using deep convolutional neural network[C]//Image Processing(ICIP),2016IEEE International Conference on.IEEE,2016:3708-3712.