基于轻量化深度学习的沥青路面裂缝智能识别

史宏宇，杨 晨^*，李亚非，罗代松，李 霖，张永升

(交通运输部科学研究院 工程技术与材料研究中心，北京 100013)

摘　要：　为应对更加高效快速的路面裂缝检测环境，提出了一种路面裂缝识别轻量化模型。首先，在对原始沥青路面病害图片进行处理后，分别采用传统图像处理技术和生成式对抗网络(ACGAN)，对包含300张横向裂缝、300张纵向裂缝、72张斜向裂缝、36张网状裂缝以及300张路面破损标线的沥青路面病害原始图片数据集进行了有效扩充，并将每类路面病害的训练集扩增至1 000张。其次，基于Tensorflow2.0深度学习框架，建立并比较了ShuffleNetV2、MnasNet和GhostNet 3种轻量化模型自动识别路面裂缝的轻量级智能方法的效果，找到了最佳的分类模型。研究结果表明：经过100次迭代训练后，经ACGAN扩充后，轻量化深度学习模型的分类精度相较于原始数据集的精度有明显提升;相较之下ShuffleNetV2轻量化模型在扩充路面病害图像集上，达到了最佳的分类准确率(ACC=92.8%)的预测性能，且该模型对路面横向裂缝、纵向裂缝、斜向裂缝、网状裂缝和破损标线每类目标的识别准确率分别为89%、90%、87%、98%和100%。该研究成果可为利用轻量化模型进行交通基础设施巡检维护提供理论和技术支撑。

关键词：　道路工程; 路面裂缝检测; 智能识别模型; 轻量化卷积

基金项目： 甘肃省科技重大专项(22ZD6GA010);国家自然科学基金项目(52308455);国家重点研发计划项目(2022YFE0137300);中央级公益性科研院所基本科研业务费项目(20237504)

引文格式： 史宏宇，杨晨，李亚非，等. 基于轻量化深度学习的沥青路面裂缝智能识别[J]. 市政技术，2025，43(9)：81-91. (SHI H Y，YANG C，LI Y F，et al. Lightweight learning-driven crack identification in asphalt pavements[J]. Journal of municipal technology，2025，43(9)：81-91.)