基于多阶段CNN的水泥路面缺陷检测.pdfVIP

摘要

摘要

水泥路面长期使用容易形成裂缝、缺口、磨损等缺陷，及时准确地发现这些缺陷有

利于后续的路面维护，对于消除道路安全隐患至关重要。由于人工检查路面缺陷的方

式费时费力，近年来出现了许多基于图像的自动检测方法。但此类方法大多采用单一

模型，网络结构存在较大的局限性，检测效果有限。针对上述问题，本文提出一种多阶

段的水泥路面缺陷检测模型，通过串联多个高效的子模型，依次实现对于路面缺陷的

判断、识别与定位，从而结合不同模型的优势，取得相比单一模型更好的综合检测效

果。本文的主要工作如下：

(1)构建水泥路面数据集。首先采集相关数据作为原始数据集，其次针对现有数据

集内各类图像数量不均的问题，设计并训练了条件生成对抗网络，用于数据的生成与

扩充。最终构建了包含轻微裂缝、严重裂缝、轻微缺口、严重缺口、轻微磨损、严重磨

损以及无缺陷共七类图像的水泥路面数据集。

(2)提出基于多阶段的水泥路面缺陷检测模型。模型内部包含三个子网络，分别是

缺陷判断网络、缺陷识别网络与缺陷定位网络。

首先，提出基于迭代式多尺度融合的缺陷判断网络。为解决水泥路面中缺陷分布

形态多变、难以判断其存在性的问题，提出迭代式多尺度融合策略，其通过多层级特征

图的拼接以及最大池化的交替使用，实现了不同尺度特征的融合，并采用迭代式的模

块结合方式，有效提升了网络的特征提取能力。此外，通过嵌入深度可分离卷积，大幅

缩减了模型参数量，使得网络较为精简。实验结果表明，该网络的准确率达到了95.92%。

其次，提出基于改进卷积注意力机制的缺陷识别网络。为解决不同类型缺陷难以

区分的问题，提出改进型卷积注意力机制，其在传统卷积注意力机制内的两个子模块

之间做了进一步特征强化，同时对于通道注意力子模块做了内部结构的重组与优化，

对于空间注意力子模块的内部结构做了调整与完善，实现了网络对于关键特征的有效

提取。实验结果表明，其准确率达到了92.99%，同时，依次做判断与识别的二阶段网

络相比单阶段网络，准确率平均提升了3.98%。

最后，提出轻量级缺陷定位网络。为实现更为高效的缺陷定位，去除了传统目标检

测网络中的分类模块，并嵌入多层深度可分离卷积，将其与传统卷积做了有效结合，使

得该网络兼具准确性与实时性。实验结果表明，其准确率达到了81.24%，同时，依次

做判断、识别与定位的三阶段网络相比单阶段网络，分类准确率平均提升了3.34%，定

位准确率平均提升了2.13%。

(3)开发水泥路面缺陷检测系统。首先进行需求分析，确定系统的总体结构。其次

展开具体的模块设计，主要包括登录模块、缺陷检测模块、性能分析模块与用户管理模

块。最后通过验证各个模块的有效性完成总体功能测试。运行结果表明，该系统具备完

善的检测能力，可以满足水泥路面缺陷检测的需求。

I

西安工程大学硕士学位论文

关键词：缺陷检测；多阶段CNN；多尺度融合；卷积注意力机制

论文类型：应用研究

II

ABSTRACT

ABSTRACT

Longtermuseofcementpavementcaneasilyleadtodefects,suchascracks,gaps,andwear.

Timelyandaccuratedetectionofthesedefectsisbeneficialforsubsequentroadmaintenance

andiscrucialforeliminatingroadsafetyhazards.Duetothetime-consumingandlaborious

wayofmanualinspectionofpavementdefects,manyimage-basedautomaticdetection

metho