Tự động hóa phát hiện vết nứt trong mặt đường nhựa sử dụng thuật toán học sâu retinanet

Abstract

Trong bài báo này, nhóm tác giả đề xuất một mạng máy học có giám sát để xác định và phân loại các dạng vết nứt khác nhau trên mặt đường nhựa. Laser camera được sử dụng để chụp lại hình ảnh mặt đường nhựa, sau đó các ảnh này được phân thành ba loại theo hướng dẫn phân loại vết nứt trên mặt đường của Cục Quản lý Đường cao tốc Liên bang Mỹ (FHWA). Các dạng phá hoại này được phân thành ba loại vết nứt khác nhau: vết nứt thành lưới (mỏi), vết nứt dọc và vết nứt ngang. Dữ liệu sử dụng để huấn luyện mạng học sâu được thu thập từ 1.000 hình ảnh với kích thước ban đầu là 3.704 x 10.000 pixels. Những hình ảnh này sau đó được chia thành 20.000 hình ảnh nhỏ hơn có kích thước 1.852 x 1.000pixels. Những ảnh này được gắn nhãn dựa trên chín loại vết nứt và được huấn luyện dựa trên thuật toán học sâu gọi là RetinaNet. 2.400m, ảnh mặt đường đô thị khảo sát tại thành phố Seoul được dùng để kiểm tra độ chính xác của mô hình huấn luyện. Kết quả cho thấy phương pháp đề xuất có độ chính xác khoảng 85% trong việc phát hiện và phân loại vết nứt.