Abstract：
交通行业围绕加快建设交通强国总体目标,努力打造安全便捷、 智慧绿色、 经济高效的道路网,全面提升公路运行效率和服务水平,实现路网更高质量、更高效率、更好水平的发展.大数据时代,建造企业需要通过智能化、自动化、数据化的技术手段实现降本增效.针对全自动化路面质量评估和分析的实际场景需求,提出了基于大型卷积核模型和自监督预训练的路面质量分析方法,采集了一个大型的路面病害分割数据集.在路面病害识别阶段,提出了基于重参数化大型卷积核的U型网络结构,实现像素级别的高精度路面病害识别,使用图像修补作为模型的自监督预训练代理任务,针对全卷积编码器和全卷积解码器构建了自监督预训练框架,实现了高精度的模型预训练方法,进而实现了高精度的智能路面病害识别,为智能化路面质量评估和质量管理提供理论和决策依据.
Keyword：
Reprint Author's Address：
Email：
Source ：
无线电工程
ISSN： 1003-3106
Year： 2023
Issue： 3
Volume： 53
Page： 527-533
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 85
Affiliated Colleges：
