公路路面智能檢測與管理系統研究

朱立偉，李宏偉，冷志鵬

（寧波杉工智能安全科技股份有限公司，浙江 寧波 315000）

0 引 言

根據國家相關統計，我國機動車保有量達3.4億輛（截至2019年6月）[1-4]。公路路面長期暴露在自然環境下，路面材質和結構都會受到不可逆轉的影響，大大縮短了路面的使用壽命[5]。目前傳統的基于人工視覺的檢測方法已經不能滿足道路養護的需求[5-7]，存在諸多缺陷：人工投入大、工作效率低、人員主觀性大、檢測時影響正常通行等。

近年來，人工智能技術迅速發展，由于機器視覺具有便捷性、精確性、迅速性、智能化等優點，被廣泛應用于工業生產等領域[8-9]，為人類的生產生活帶來諸多便利。本文通過使用機器視覺代替傳統檢測方法實現對路面病害的自動識別、定量分析、養護管理，并提供一體化管理平臺，為現場路面病害的巡檢及公路養護維修人員提供自動化、信息化、智能化服務。

1 系統總體功能概述

公路路面智能檢測與管理系統主要包括路面檢測系統和路面檢測智慧管理平臺。

（1）路面檢測系統主要包括檢測算法模塊、檢測傳感系統。檢測算法模塊：使用AI圖像識別算法對高清攝像機采集的路面數據進行實時處理分析，獲取路面的主要病害類型。本模塊可結合GNSS定位對病害進行空間分析，獲取病害的空間位置及分布，實現路面病害的實時檢測。檢測傳感系統：針對采集的圖像數據通過模數轉換、圖像預處理等操作后作為算法分析軟件的輸入，經算法分析后，數據同步存儲在工控機中，并通過5G通信技術傳輸，與管理平臺連接，實現對采集數據的實時分析。

（2）結合公路路面養護的實際需求，本文研究了應用需求、平臺設計、開發及應用等技術，并搭建了公路路面檢測智慧管理平臺。

路面檢測流程如圖1所示。

圖1 路面檢測流程

2 公路路面檢測系統

公路路面檢測系統通過檢測傳感器采集數據實現對路面病害的實時分析。

該系統采用基于深度學習的算法YOLOv5，該算法在目標檢測領域應用極為廣泛。YOLOv5網絡結構如圖2所示。

圖2 YOLOv5網絡結構示意圖

采用YOLOv5進行路面病害識別的過程大致如下：

（1）將原始路面病害圖像作為網絡輸入，并將路面病害圖片劃分成S×S大小的網格，遍歷所有網格，如果病害中心出現在網格中，那么該網格負責檢測病害。

（2）每個網格預測出候選框，每個候選框包含5個預測量，即（x，y，w，h，score），其中物體的中心點坐標為（x，y），候選框的寬和高為（w，h），候選框中含有路面病害的置信度為score，其表達式為：

式中，Pr（object）表示候選框的單元中是否含有病害，若含有病害，則將Pr（object）置為1，否則置為0。

（3）從3個尺度進行多尺度預測，每種尺度預測3個box，anchor通過聚類得到，經logistic分類器對路面病害進行預測分類。

針對路面常見裂縫、坑槽等病害，應用YOLOv5進行識別的效果如圖3所示。

圖3 使用YOLOv5進行路面病害識別效果圖

系統利用GNSS、車輛里程定位數據實現空間位置定位，實現定位與里程位置、車道等坐標轉換，完成對病害的空間定位及分布情況分析等。

3 公路路面檢測智慧管理平臺

本平臺可實現與路面檢測系統數據的實時聯動，平臺框架如圖4所示。

圖4 公路路面檢測智慧管理系統框架

（1）基礎數據庫：實現路線信息、區間信息、構造物信息等基礎數據管理。

（2）路面病害管理：實現路面各類病害管理的同時，為病害的精確識別提供海量樣本，為AI分析模型提供數據支撐。

（3）趨勢預測管理：對路面性能進行預測，并提供養護決策，編制養護計劃。

（4）綜合展示管理：建立GIS地圖、圖像信息與基礎數據、檢測數據、評價決策結果的關聯，以圖表形式為養護單位提供信息查詢與展示。

圖5所示為公路路面智能檢測系統展示界面。

圖5 公路路面智能檢測系統展示界面

4 結 語

本文提出了一種先進的路面病害檢測技術，可實現路面病害智能快速檢測，為公路路面檢測提供關鍵技術與裝備保障，實現公路路面養護管理工作的智能化，有效降低管理養護成本。