成果名称

基于卷积神经网络机器学习方法的路面病害图像自动识别系统的研发

成果登记号

知识产权

专利

完成单位

序号

单位名称

通讯地址

1

山东高速工程检测有限公司

济南市二环东路12550号

2

山东省高速公路技术和安全评估省重点实验室

济南市二环东路12550号

3

山东硕翔天成智能科技有限公司

山东省济南市历下区省府前街1号

4

山东省三益工程建设监理有限公司

济南市历城区舜泰广场1号楼

完成人

序号

姓名

工作单位

对成果的贡献

1

辛公锋

山东高速创新研究院

总体方案审核

2

刘宪明

山东高速工程检测有限公司

研发方案制定、规划、组织方案实施

3

张文武

山东高速集团有限公司

数据处理与采集方案制定

4

汲平

山东省三益工程建设监理有限公司

技术方案制定、报告审核

5

汤洪涛

山东高速集团有限公司

数据采集方案制定

6

胡学亮

山东高速集团有限公司

数据处理方案制定

7

李庆营

山东高速工程检测有限公司

数据分析与报告编制

8

樊超

山东高速集团有限公司

数据处理与分析

9

陈铮

山东高速工程检测有限公司

数据分析与报告编制

10

李昌辉

山东高速股份有限公司

数据处理与分析

11

丛波日

山东高速工程检测有限公司

系统研发方案制定

12

高国华

山东高速工程检测有限公司

系统研发方案制定

13

李响

湖北武麻高速公路有限公司

数据处理与分析

14

王鑫洋

山东高速工程检测有限公司

数据处理与分析

15

赵世晨

山东高速工程检测有限公司

数据采集

16

夏晗

山东高速工程检测有限公司

数据采集

17

曹宁

山东高速工程检测有限公司

数据采集

18

姜涛

山东高速工程检测有限公司

数据采集

19

李斌

山东高速物流集团有限公司

数据处理与分析

20

韩伟

山东高速工程检测有限公司

数据采集

21

刘凯锋

山东高速工程检测有限公司

数据处理与分析

22

刘境奇

山东高速工程检测有限公司

数据采集

23

王建朋

山东省三益工程建设监理有限公司

资料收集

24

张永明

山东省三益工程建设监理有限公司

资料收集

成果公报内容

“基于卷积神经网络机器学习方法的路面病害图像自动识别系统的研发”是由山东高速工程检测有限公司在2019年申报的山东省交通运输厅科研项目，编号为2019B34，并入选“2019年度交通运输行业重点科技项目。本项目针对道路病害类型多样、形态复杂且道路检测任务量重、现有路面病害检测效率低等问题，利用卷积神经网络机器学习的方法在图像处理方面独特的优越性，结合高速公路建设、养护的实际情况，对路面图像病害自动识别做针对性的研究，研发一套全自动、识别准确率高、处理速度快的路面图像病害自动识别系统。

本科研项目着眼于工程应用，提出了VAE变分自动编码图像增强技术，建立了多模型融合的路面病害图像识别算法，研发了基于Faster   R-CNN卷积神经网络的路面病害图像自动识别软件，解决了检测车辆采集图像中路面病害精细特征难以提取的行业技术难题，实现了多场景下不同路面病害的同步识别。

该研究成果已在京沪、荣乌、济青等高速路面检测中成功应用。路面病害图像自动识别系统的研发与应用，解决了传统图像识别方法的弊端，提高了病害识别的准确率和效率，相比较人工检测识别每年可节省成本百余万元，随着技术的不断成熟，可以在桥梁、隧道等其他公路重点基础设施上实现技术的推广应用，带来更大的经济效益，实现公路路面技术状况检测的快速评定、提升养护维修方案制定的时效性、推动养护管理向精细化、信息化、自动化、智能化目标发展也具有重要意义。

验收（评价)专家名单

序号

姓名

单位

专业领域

职称

1

常成利

北京中交华安科技有限公司

道路工程

研究员

2

任瑞波

山东建筑大学

道路工程

教授

3

严二虎

交通运输部公路科学研究院

道路工程

研究员

刘树堂

山东大学

道路工程

教授

刘甲荣

山东高速股份有限公司

道路工程

研究员

张爱勤

山东交通学院

道路工程

教授

杨丽英

北京市政路桥建材集团有限公司

道路工程

教授级高工

韩波

省科技厅统计分析研究中心

会计学

高级会计师

刘洋

齐鲁工业大学

会计学

高级会计师

组织验收（评价）单位：山东省交通运输厅、山东省交通运输科技管理服务中心

验收（评价）意见

2021年12月24 日，山东省交通运输厅在济南组织了“基于卷积神经网络机器学习方法的路面病害图像自动识别系统的研发”项目验收工作。验收专家组听取了项目组的汇报，审阅了相关技术文件和财务报告，经质询和讨论,形成验收意见如下:

一、项目组提交的资料齐全，内容完整，完成了计划任务书确定的研究内容，符合验收要求。

二、通过卷积神经网络机器学习方法，开展了路面病害图像自动识别的研究,取得了如下主要创新成果:

1.基于VAE算法，提高了图像质量，精细刻画了路面病害的细部特征。

⒉.研发了多模型融合的路面病害识别算法，实现了多场景的路面病害识别处理。

3.基于Faster R-CNN，研发了一套路面病害的自动识别软件，实现了纵裂、横裂、龟裂和修补的多病害同步识别。

三、授权发明专利1项、实用新型专利2项、软件著作权1项，中请发明专利1项，发表论文1篇，开发路面病害自动识别软件1套。在多省高速公路路面检测中进行了应用，经济、社会效益显著，推广应用前景广阔。

四、根据项目经费财务报告列示情况，该项目经费使用基本符合相关要求。

验收专家组一致同意该项目通过技术验收和财务验收。