作品详情

大赛登录

大赛注册

当前位置：首页大赛首页路患慧察-多源数据驱动的路面全域病害智能检测

大赛简介

大赛作品

大赛动态

联系我们

联系人：王秀秀

电话：010 -66083178

网址：www.qxwq.org.cn　

地址：北京市西城区广安门

内广义街5号广益大厦

大赛作品详情

作品名称：路患慧察-多源数据驱动的路面全域病害智能检测
学校名称：山东科技大学
参赛队伍：路检先行者
队伍编号：203343
参赛学生：霍义康刘汉梵张福栋
指导老师：孟坤
投票日期：2024年10月08日 00:00->2024年12月05日 15:00
请在微信端进行投票。点此扫描二维码。

详细说明

该项目名为“路患慧察-多源数据驱动的路面全域病害智能检测”，旨在提高路面病害检测的智能化水平，为交通基础设施的养护和管理提供科学、系统的解决方案。该项目利用图像处理和深度学习技术，实现了对路面裂缝、坑槽等病害的高精度智能识别，并通过构建大规模的路面图像数据集，优化了数据存储和处理流程，显著提升了数据处理效率。

系统的核心特点包括：

多源数据融合：整合路面图像数据与3D-GPR雷达数据，提供综合病害评估。
深度学习算法：采用YOLOv7-SimAM算法进行裂缝的高精度智能识别。
实时性强：能够实时进行路面病害检测，及时提供反馈。
适应性强：通过精心设计的模型和精确的参数调整，能够适应各种复杂环境。

系统的主要模块包括：

图像预处理模块：改善图像质量，增强裂缝与路面背景的对比度。
多源数据融合模块：整合不同来源的数据，提供综合病害评估。
深度学习算法模块：使用改进的YOLOv7-SimAM算法进行裂缝检测。
3D-GPR数据处理模块：分析雷达图像中的回波特征，识别路面内部病害。
改进的D-S融合算法模块：优化决策级证据融合，提高病害检测的准确性。
HRnet网络模块：保持高分辨率特征表示，用于关键点的精确识别。
轻量化全域病害检测平台：实现大规模数据的快速加载和展示。
空间特征金字塔（SSP）模块：提取裂缝边缘细节信息，提高分割精度。
价值迭代算法优化模块：动态优化特征检测策略，提高模型鲁棒性。

该项目的创新点在于引入了SimAM注意力机制来提升YOLOv7模型的性能，优化了底层特征提取方式，并使用价值迭代算法来优化关键点检测算法。此外，项目还搭建了一个新框架，综合应用了多种前沿算法进行信息检测与可视化。

该系统适用于道路养护管理、交通基础设施管理、公路工程建设、城市道路管理等领域，能够显著提高道路安全性，延长道路使用寿命，减少维护成本，并为交通管理和城市规划提供数据支持。