AI视觉识别技术下的路面裂缝识别准确性研究

郑琪琪，黄 伟^*，朱拓琦，卢 盛

(温州市市政工程建设开发有限公司，浙江 温州 325002)

摘　要：　介绍了基于AI视觉识别技术的道路病害巡查平台架构设计，该巡查平台采用了一种基于轻量级卷积神经网络(CNN)的YOLOv5目标检测算法，对算法模型的优化与调整进行了4个方面的探讨。以瓯海大道为例采用准确率、召回率和F1分数指标，分析车速、湿度、光照强度对路面裂缝识别准确性的影响。结果表明：路面裂缝识别准确率随着车速的增大而降低，随着路面湿度的增加而降低，在光照强度足够的情况下，路面裂缝识别准确率和光照强度关系不大，路面湿度低于6%时，湿度对路面裂缝识别准确率基本没有影响，晴天干燥行驶速度低于60 km/h的情况下路面裂缝识别准确率大于90%。

关键词：　AI视觉识别技术; 路面裂缝识别; YOLOv5; 准确性

引文格式： 郑琪琪，黄伟，朱拓琦，等. AI视觉识别技术下的路面裂缝识别准确性研究[J]. 市政技术，2025，43(12)：135-142，166. (ZHENG Q Q，HUANG W，ZHU T Q，et al. Research on the accuracy of pavement crack recognition by AI visual recognition technology[J]. Journal of municipal technology，2025，43(12)：135-142，166.)