计算机工程与应用
www.ceaj.org
2019，55（16）
1 引言
裂缝是威胁道路安全状况的主要因素之一，保持良
好的道路状况对于交通安全至关重要。2016 年 8月，交
通运输部颁布了《交通运输科技“十三五”发展规划》，对
高速公路智能化进行了详细的阐述。随着我国高速公
路里程数的增加，其与高速公路运营效率低之间的矛盾
日益突出，自动化、信息化、智能化越来越成为高速公路
发展的趋势，国家也在政策上不断鼓励和支持高速公路
自动化、信息化、智能化的发展
[1]
。传统的路面裂缝检测
与分割主要是靠人工识别，在耗费较多的时间和人力资
基于改进的全卷积神经网络的路面裂缝分割技术
翁 飘
1
，陆彦辉
1，2
，齐宪标
2
，杨守义
1
1.郑州大学 信息工程学院，郑州 450001
2.深圳市大数据研究院，广东 深圳 518100
摘 要：裂缝是路面表面的重要病害之一。传统的裂缝检测依赖于人工的视觉检查，在实际操作中费时费力。虽然
传统的图像处理技术在一定程度上可使裂缝检测与分割更加自动化，但是图像处理技术易受到由光照、模糊等引起
的一些噪声的影响。为了完成复杂环境下对路面裂缝的分割及检测，提出了一种基于改进的全卷积神经网络（Fully
Convolutional Networks，FCN）的分割方法，根据建立的数据集训练传统 FCN和优化后的 FCN，测试结果表明其平均
交并比（mea n_IoU）得到了一定的提高，故该方法能够较准确地分割出路面裂缝。
关键词：裂缝检测；图像处理 ；全卷积网络（FCN）；平均交并比
文献标志码：A 中图分类号：TP75 1；TP391 doi：10.3778/j.issn. 100 2-8331 .1901-0068
翁飘，陆彦辉，齐宪标，等.基于改进的全卷积神经网络的路面裂缝分割技术.计算机工程与应用，201 9，55（16）：235-239.
WENG Piao, LU Yanh ui, QI Xianbiao, et al. Pavement crack segmentation technology b ased on improved fully convolu-
tional networks. Computer Engineering and Applicatio ns, 2019, 55（16）：235-239.
Pa vement C rack Segmentation Technology B ased on Improved Fully Convolutional N etworks
WENG Piao
1
, LU Yanhui
1，2
, QI Xian biao
2
, YANG Shouyi
1
1.S cho ol of Information Engineering, Zhengzhou University, Zhengzhou 450001, China
2.S hen zhen Rese arch Institute of Big Data, Shenzhen, Guangdong 518100, China
Ab stract：Crac ks are one of the im portant diseases on the pavement surface . Traditional crack detection relies on manual
visual inspection, which is time consuming an d labor in tensive. Althou gh traditio nal image processing techniques can
make crack detection and s egmentation more automated to so me extent. However, image proc essi ng t echniques are sus-
ceptible to some noise caused b y illumination, blur, and the like. In order to comp lete the segmenta tion and detection of
pavement cracks in complex envir onments, a segmen tation method based on improved Ful ly Convolutional Networks
（FCN）is proposed. According to the established data set, the trad itional FCN an d the optim ized FCN are trained. The test
results show that the m ean Intersection over Union（mean_I oU）is improved, so the propo sed m ethod can segment th e
cracks accurately.
Key words：crack detection; image processing; Fully Convolutional Networks（FCN）; mean interse ctio n over union
基金项目：河南省技术创新引导专项（No.182106000027）；深圳市海外高层次人才资金（No. KQTD2015033114415450）。
作者简介：翁飘（1992—），女，硕士研究生，主要研究方向为图像处理、机器视觉，E-mail：99232 6696@qq.com；陆彦辉（1972—），
女，博士，教授，主要研究方向为宽带无线通信、机器学习算法的应用等；齐宪标（1987—），男，博士，主要研究方向为计
算机视觉，深度学习及其在人脸分析、物体检测上的应用等；杨守义（1962—），男，博士，教授，主要研究方向为宽带无
线通信、图像数字水印等。
收稿日期：2019-01-07 修回日期：2019-02-22 文章编号：1002-8331（2019）16-0235-05
CN KI网络出版：2019-03-25, http://kns.cnki .net/kcms/detail/11.2127.TP.2 0190325.0938.002.html
Computer Engineering and Applications 计算机工程与应用
235
评论0