西安邮电大学 电子工程学院，陕西 西安 710121
裂缝是桥梁道路上常见的一种病害，针对其检测准确率有待提高的问题，提出了基于Mask RCNN（region-based convolutional neural networks）的桥梁裂缝检测算法，设计了语义增强模块（semantic enhancement module，SEM），将该模块与特征金字塔网络（feature pyramid network，FPN）相结合，通过特征融合Add计算得到新的多尺度特征图feature maps。针对裂缝形态复杂多样存在识别困难的问题，将裂缝做了两类划分进行检测，并制定了两种策略进行对比实验。实验结果表明：该文中改进的方法可以得到更好的检测结果，检测准确率Accuracy可达99.8%，平均检测精度（mean average precision，mAP）提高了12.6%。
Mask RCNN算法 特征金字塔 语义增强 裂缝分类 Mask RCNN algorithm feature pyramid semantic enhancement crack classification
1 文华学院，湖北 武汉 430074
2 华中科技大学电子与信息工程系，湖北 武汉 430074
道路裂缝是评价公路质量的一个非常重要的指标，不同的裂缝类型关系到不同的危急程度及不同的修补策略的制定。针对高速公路中常见的横向裂缝、纵向裂缝、块状裂缝及龟裂裂缝，提出了一种基于方向及密度特征的路面裂缝分类方法。文中所提方法的主要思想是利用裂缝在方向以及密度分布上的差异性来对裂缝类型进行划分。基本的过程是首先利用方向性特征进行横纵裂缝与块状/龟裂裂缝的提取，其次，根据分布密度特性进一步甄别块状和龟裂裂缝。为了验证文中所提算法的有效性，采用大量实测数据进行测试，通过与其它算法进行对比，结果表明：文中所提方法具有更高的裂缝分类精度。
裂缝分类 几何特征 路面图像 cracks classification geometry feature pavement image
