激光与光电子学进展, 2020, 57 (14): 141031, 网络出版: 2020-07-28 复制并引用该论文  本文已被引 2 次  被引通知

图 & 表

图 1. 混凝土路面裂缝检测流程图

Fig. 1. Flowchart of concrete pavement crack detection

下载图片 查看原文

图 2. 混凝土路面裂缝图像数据集。(a)非裂缝图像;(b)裂缝图像

Fig. 2. Concrete pavement crack image dataset. (a) No-crack images; (b) crack images

下载图片 查看原文

图 3. 检测中可能被忽略的裂缝图像

Fig. 3. Crack images that may be disregarded in detection

下载图片 查看原文

图 4. 采用重叠滑动窗口技术切割裂缝图像的过程图

Fig. 4. Cutting process diagram for crack images using overlapping sliding window technology

下载图片 查看原文

图 5. ILGCHDN分类模型结构图

Fig. 5. ILGCHDN classification model structure diagram

下载图片 查看原文

图 6. ILGCHDN模型的卷积块

Fig. 6. Convolution block of the ILGCHDN model

下载图片 查看原文

图 7. 6张裂缝图像二值化处理后的两种算法效果对比图。(a)原始裂缝图像;(b)标记图像;(c)全局阈值法效果图;(d)自适应阈值法效果图

Fig. 7. Comparison of the renderings by two algorithms after binarization of 6 crack images. (a) Original crack images; (b) label marking images; (c) renderings of the global threshold method; (d) renderings of the adaptive threshold method

下载图片 查看原文

图 8. 图像坐标系中计算裂缝宽度示意图

Fig. 8. Schematic diagram of calculating crack width in image coordinate system

下载图片 查看原文

图 9. 训练模型的精度图

Fig. 9. Accuracy diagram of the training model

下载图片 查看原文

图 10. 训练模型的损失图

Fig. 10. Loss diagram of the training model

下载图片 查看原文

图 11. 裂缝宽度测量误差对比柱状图

Fig. 11. Error comparison histogram for crack width measurement

下载图片 查看原文

表 1各种裂缝检测算法性能对比表

Table1. Performance comparison table of various crack detection algorithms

Algorithm Evaluation index Precision Recall F1-score Model parameter /MB Frames per second Crack Forest[7] 0.8315 0.8458 0.8385 — 3.7 Gabor filter[6] 0.7819 0.7021 0.7398 — 2.1 SVM[4] 0.8112 0.6732 0.7358 — 2.7 CNN[13]NB-CNN[14] 0.86970.9210 0.92490.9321 0.89650.9265 356365 6.07.2 MI-CNN[15] 0.9420 0.9231 0.9324 380 9.1 ILGCHDN 0.9726 0.9802 0.9764 67.8 14.0

查看原文

表 2三个公开数据集上模型的测试结果

Table2. Test results of the models on three public datasets

Datasets Evaluation index Precision Recall F1-score Frames per second Crack500 0.9615 0.9458 0.9536 13.6 CFD 0.9819 0.9721 0.9769 13.0 Cracktree200 0.9712 0.9671 0.9691 12.5

查看原文

李刚, 刘强伟, 万健, 马彪, 李莹. 复杂背景下交错低秩组卷积混合深度网络的路面裂缝检测算法研究[J]. 激光与光电子学进展, 2020, 57(14): 141031. Gang Li, Qiangwei Liu, Jian Wan, Biao Ma, Ying Li. A Novel Pavement Crack Detection Algorithm Using Interlaced Low-Rank Group Convolution Hybrid Deep Network Under a Complex Background[J]. Laser & Optoelectronics Progress, 2020, 57(14): 141031.