破损密度因子的路面破损分类设计(源码)
毕 业 设 计 说 明 书 （ 论 文 ） 中 文 摘 要毕 业 设 计 说 明 书 （ 论 文 ） 中 文 摘 要随着我国交通运输业的发展，高速公路扮演着重要的角色。公路路面的维护成为了一项繁重的任务，公路管理部门需要及时掌握路面的破损信息，还要对信息进行处理，容错率要低。其中，传统的人工检测已经无法适应时代的发展，人工检测具有作业力度大、危险系数高、不能及时反馈等一系列的问题。图像处理技术是一项进步，可以识别裂缝的类型。但随后发现，由于图像处理技术对于图像的特征提取有限，能够处理的图像数量也有限，无法处理海量的数据。在此背景下，运用卷积神经网络来对数据进行处理识别就应运而生。卷积神经网络在处理图像、人脸识别、语音大数据等方面取得了极大的成功。但也有弊端，就是训练数据的时间太长。本文通过在前人已经实现的基础上，模仿卷积神经网络的工作原理，来对路面破损图像进行识别分类。首先是要对采集到的图像进行预处理，预处理主要包括图像的去噪、增强、分割等。图像预处理技术在整个路面破损的环节中至关重要，后期图像识别的效果极大依赖前期的预处理。其中，图像去噪使用的是中值滤波算法，图像增强可以直接调用PIL模块中的类ImageEnhance，图像分割采用k-means算法。在对图像进行预处理后，运用卷积神经网络对图像进行处理。会对图像进行特征提取，特征提取中用到了破损密度因子的方法，还有SIFT算法。系统会对样本进行重复训练，训练数据从100张样本逐渐增加到600张，每次100张递增，100张训练数据得到的识别率只有70.62%，600张的训练数据得到的识别率就高达83.32%。训练数据越多，识别的准确性也越高。关键词裂缝识别，卷积神经网络，特征提取，图像预处理
目 录
1 绪论 1
1.1 课题研究的背景与现实意义 1
1.2 国内外研究状况 3
1.3 裂缝检测技术存在的一些问题 4
2 路面裂缝的检测与识别 4
2.1 路面裂缝的成因 4
2.2 路面裂缝的分类 4
2.3 路面裂缝的评价依据 6
2.4 图像的预处理 6
3 破损密度因子介绍与特征提取 10
3.1 破损密度因子的介绍 10 *好棒文|www.hbsrm.com +Q: ￥351916072$
3.2 基于投影变换的特征提取 11
3.3 基于SIFT算法的图像特征提取 12
4 卷积神经网络的应用 13
4.1 BP神经网路的介绍 13
4.2 卷积神经网络 16
4.3 处理的结果 17
结 论 22
致 谢 23
参 考 文 献 24
1 绪论
1.1 课题研究的背景与现实意义
公路是交通运输体系中的重要组成部分。在当今，无论是国民经济的发展，还是个人出行的必要，公路都成了人们日常生产生活中不可缺少的一部分。公路拥有着强大的通行能力，快捷的运行速度，可以大量节约人们的时间成本，为城市的发展提高效率。公路运输对创造就业机会、调整产业结构、加快城乡一体化发展起着重要的作用。可以这样说，国民经济的发展离不开公路，现代社会的运行机制也离不开公路。
但是，随着公路不断铺建与发展，一系列的公路破损问题也随之显现出来。对公路破损的研究也跟着时代的发展成为了一个新的问题。日常生活中，由于公路长期露天，难免会遭受雨水的冲刷，甚至会遭受到地震等自然灾害。但是，对公路伤害程度最深的还是人类活动。随着人们出行次数的增加，大货车的超载运行等等，都会有意无意中对公路造成损害。公路的破损种类各种各样，破损的形状也是各有不同。例如，公路上会出现大大小小的坑槽，会有深浅不一的裂缝。
路面上各种人类活动，大货车的行驶，各种交通工具的使用，都在反复摩擦着路面，严重点短期就会直接会对公路造成损害。公路受到损害，是由于在公路上行驶车辆超重，超过了公路的承受范围，使得公路结构遭到破坏。还有泛油，就是沥青从混凝土里向外溢出，导致沥青路面上出现过多的沥青，生活中也常可以见到。受高温影响，再加上重载车辆对路面的伤害，泛油现象会更加严重。如果不及时处理，很容易发生交通事故。长期出现泛油，一定会对公路造成损害。当然，还有一些损害就是沥青本身质量的问题，受气候影响也没办法改变。一般的公路破损主要包括坑槽、龟裂、块裂。公路首先是出现裂缝，接着开始受到损害，随着时间的递增，损害程度也会越来越深。公路裂缝主要包括横向裂缝、纵向裂缝、网状裂缝。如果不能及时处理，不仅影响公路美观，还会给来往车辆的行驶埋下隐患。我国目前主要采用的还是人工检测的方法。在以前，我国公路不多，路面车辆也不多，这种方法是合适的选择。不仅精度高，还会社会提供就业岗位。但是，现在的情况和以前大有不同，如今国内公路庞多，车辆也多，路面破损情况更是五花八门。很显然，人工检测已经无法适应时代的发展。况且，人工检测还存在着以下几大缺点：
（1）耗费大量人力成本。我国的公路体系很完善，公路繁多。而且公路的长度也不尽相同，短的不提了，长的有几十千米，还有的有上百千米。而人工检测就需要大量的人去采集样本，获取数据。试问这样的作业效果，能符合当前社会高效的节奏吗？
（2）效率低下。我国目前公路庞多，而人工检测毕竟作业度有限，一段公路的检测尚且需要费时日久，何况还要定期检查呢。人工检测还会存在一些不确定因素，比如未能按时检查，检查时间被推迟，这些都会降低效率。
（3） 检测过程中风险大。在公路上对路面进行破损检测，必然会面临来来往往的车辆，这就需要考虑安全因素。而且还只能在白天进行拍摄，如果在夜间，首先拍摄效果没有白天好，其次夜间的危险程度还要高于白天。夜间公路上车辆较少，车辆行驶速度往往比白天还要高，光线不好，紧急反应也会延迟。长期在公路上工作，安全是第一的，而安全恰恰又是难以保证的。
（4） 造成交通阻塞。在高速公路上检测会存在安全隐患，而在普通的道路上检测又会导致交通阻塞。普通的道路上虽然人工检测难度不大，但是也会影响正常的交通状况，影响车辆的行驶。造成堵塞，又会是城市的新问题。
（5）提交的路面检测报告未必是客观的。由于在检测过程中，工作人员受制于自身的专业水平，检查过程中未能发现很多有问题的路面。导致上交的报告不是客观真实的，这对于路面的维修和保养是存在很大问题的。有些该有的问题未能发现，有些本可以及时补救障碍被忽视了。还有同一个路面破损情况在不同的检测员那里会得到不同的结论，究竟哪个是真实的也需要判断。很多的冲突，无形中增加了工作总量。这些都会极大增加成本，降低效率。
这样看来，人工检测的却已经不符合时代的要求了。其低效，危险，成本高，影响交通，结果还互相不一致。这就难以作为新时代的检测手段。随着我国交通运输体系的发展，路面上往来的车辆也会越来越多，关于路面破损问题相比以前也要得到更高层次的重视。随着现代科学技术的发展，已经研究出了一种智能检测路面破损状况的系统。未来就可以完全取代人工检测，成为新的路面破损检测手段。这套系统需要无人机拍摄图片，这相比于人工检测完全没有了安全隐患，交通堵塞等问题。无人机拍摄完毕后，将这些图像称之为数字图像。图像输入完毕后，系统会进行深度学习，使用的是cnn卷积神经网络，相比于bp神经网络更加智能化。使用bp神经网络，增大训练数据的使用量，系统的深度学习能力还不一定提高，而卷积神经网络数据越多，识别的精确度越高。当识别率高于90%的时候，就可以断定裂缝的性质了。cnn卷积神经网络是目前最流行应用于图像识别的识别方法，还可以用于人脸识别，已经成为众多科学研究的热点领域。特别在模式识别领域，应用更加广泛。其中代表性的研究成果是Alexander和Taylor提出的“改进认知机”，它结合了各种改进方法的优点，避免了费时的误差反向传播。
目 录
1 绪论 1
1.1 课题研究的背景与现实意义 1
1.2 国内外研究状况 3
1.3 裂缝检测技术存在的一些问题 4
2 路面裂缝的检测与识别 4
2.1 路面裂缝的成因 4
2.2 路面裂缝的分类 4
2.3 路面裂缝的评价依据 6
2.4 图像的预处理 6
3 破损密度因子介绍与特征提取 10
3.1 破损密度因子的介绍 10 *好棒文|www.hbsrm.com +Q: ￥351916072$
3.2 基于投影变换的特征提取 11
3.3 基于SIFT算法的图像特征提取 12
4 卷积神经网络的应用 13
4.1 BP神经网路的介绍 13
4.2 卷积神经网络 16
4.3 处理的结果 17
结 论 22
致 谢 23
参 考 文 献 24
1 绪论
1.1 课题研究的背景与现实意义
公路是交通运输体系中的重要组成部分。在当今，无论是国民经济的发展，还是个人出行的必要，公路都成了人们日常生产生活中不可缺少的一部分。公路拥有着强大的通行能力，快捷的运行速度，可以大量节约人们的时间成本，为城市的发展提高效率。公路运输对创造就业机会、调整产业结构、加快城乡一体化发展起着重要的作用。可以这样说，国民经济的发展离不开公路，现代社会的运行机制也离不开公路。
但是，随着公路不断铺建与发展，一系列的公路破损问题也随之显现出来。对公路破损的研究也跟着时代的发展成为了一个新的问题。日常生活中，由于公路长期露天，难免会遭受雨水的冲刷，甚至会遭受到地震等自然灾害。但是，对公路伤害程度最深的还是人类活动。随着人们出行次数的增加，大货车的超载运行等等，都会有意无意中对公路造成损害。公路的破损种类各种各样，破损的形状也是各有不同。例如，公路上会出现大大小小的坑槽，会有深浅不一的裂缝。
路面上各种人类活动，大货车的行驶，各种交通工具的使用，都在反复摩擦着路面，严重点短期就会直接会对公路造成损害。公路受到损害，是由于在公路上行驶车辆超重，超过了公路的承受范围，使得公路结构遭到破坏。还有泛油，就是沥青从混凝土里向外溢出，导致沥青路面上出现过多的沥青，生活中也常可以见到。受高温影响，再加上重载车辆对路面的伤害，泛油现象会更加严重。如果不及时处理，很容易发生交通事故。长期出现泛油，一定会对公路造成损害。当然，还有一些损害就是沥青本身质量的问题，受气候影响也没办法改变。一般的公路破损主要包括坑槽、龟裂、块裂。公路首先是出现裂缝，接着开始受到损害，随着时间的递增，损害程度也会越来越深。公路裂缝主要包括横向裂缝、纵向裂缝、网状裂缝。如果不能及时处理，不仅影响公路美观，还会给来往车辆的行驶埋下隐患。我国目前主要采用的还是人工检测的方法。在以前，我国公路不多，路面车辆也不多，这种方法是合适的选择。不仅精度高，还会社会提供就业岗位。但是，现在的情况和以前大有不同，如今国内公路庞多，车辆也多，路面破损情况更是五花八门。很显然，人工检测已经无法适应时代的发展。况且，人工检测还存在着以下几大缺点：
（1）耗费大量人力成本。我国的公路体系很完善，公路繁多。而且公路的长度也不尽相同，短的不提了，长的有几十千米，还有的有上百千米。而人工检测就需要大量的人去采集样本，获取数据。试问这样的作业效果，能符合当前社会高效的节奏吗？
（2）效率低下。我国目前公路庞多，而人工检测毕竟作业度有限，一段公路的检测尚且需要费时日久，何况还要定期检查呢。人工检测还会存在一些不确定因素，比如未能按时检查，检查时间被推迟，这些都会降低效率。
（3） 检测过程中风险大。在公路上对路面进行破损检测，必然会面临来来往往的车辆，这就需要考虑安全因素。而且还只能在白天进行拍摄，如果在夜间，首先拍摄效果没有白天好，其次夜间的危险程度还要高于白天。夜间公路上车辆较少，车辆行驶速度往往比白天还要高，光线不好，紧急反应也会延迟。长期在公路上工作，安全是第一的，而安全恰恰又是难以保证的。
（4） 造成交通阻塞。在高速公路上检测会存在安全隐患，而在普通的道路上检测又会导致交通阻塞。普通的道路上虽然人工检测难度不大，但是也会影响正常的交通状况，影响车辆的行驶。造成堵塞，又会是城市的新问题。
（5）提交的路面检测报告未必是客观的。由于在检测过程中，工作人员受制于自身的专业水平，检查过程中未能发现很多有问题的路面。导致上交的报告不是客观真实的，这对于路面的维修和保养是存在很大问题的。有些该有的问题未能发现，有些本可以及时补救障碍被忽视了。还有同一个路面破损情况在不同的检测员那里会得到不同的结论，究竟哪个是真实的也需要判断。很多的冲突，无形中增加了工作总量。这些都会极大增加成本，降低效率。
这样看来，人工检测的却已经不符合时代的要求了。其低效，危险，成本高，影响交通，结果还互相不一致。这就难以作为新时代的检测手段。随着我国交通运输体系的发展，路面上往来的车辆也会越来越多，关于路面破损问题相比以前也要得到更高层次的重视。随着现代科学技术的发展，已经研究出了一种智能检测路面破损状况的系统。未来就可以完全取代人工检测，成为新的路面破损检测手段。这套系统需要无人机拍摄图片，这相比于人工检测完全没有了安全隐患，交通堵塞等问题。无人机拍摄完毕后，将这些图像称之为数字图像。图像输入完毕后，系统会进行深度学习，使用的是cnn卷积神经网络，相比于bp神经网络更加智能化。使用bp神经网络，增大训练数据的使用量，系统的深度学习能力还不一定提高，而卷积神经网络数据越多，识别的精确度越高。当识别率高于90%的时候，就可以断定裂缝的性质了。cnn卷积神经网络是目前最流行应用于图像识别的识别方法，还可以用于人脸识别，已经成为众多科学研究的热点领域。特别在模式识别领域，应用更加广泛。其中代表性的研究成果是Alexander和Taylor提出的“改进认知机”，它结合了各种改进方法的优点，避免了费时的误差反向传播。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1149.html
