Zurück Vor

Detailergebnis zu DOK-Nr. 76522

Faltendes neuronales Netzwerk zur Erkennung von Schlaglöchern in Asphaltbefestigungen (Orig. engl.: Convolutional neural network for pothole detection in asphalt pavement)

Autoren	W. Ye W. Jiang Z. Tong D. Yuan J. Xiao
Sachgebiete	11.1 Berechnung, Dimensionierung, Lebensdauer 12.1 Asphaltstraßen

Road Materials and Pavement Design 22 (2021) Nr. 1, S. 42-58, 17 B, 2 T, zahlr. Q

Straßenschädigungen haben einen großen Einfluss auf das Risiko von Verkehrsunfällen und auf ökonomische Aspekte. Die Erfassung des Straßenzustands ist deshalb von hoher Bedeutung bei der Entwicklung von Pavement Management Systemen und deren Umsetzung. In der im Bericht dargestellten mathematisch-theoretischen Untersuchung werden zwei verschiedene faltende neuronale Netzwerke (Convolutional neural networks CNN) zur Erkennung von Schlaglöchern in Straßenbefestigungen aus Asphalt analysiert. Diese Untersuchung sollte auch dazu dienen, die Präzision bei der manuellen Erfassung von Schlaglöchern zu verbessern. Dazu wurde auch die Methode des Deep-Learning eingesetzt. Die zur Verifizierung und Anpassung der Modelle verwendeten realen Bilddaten wurden einer Datenbank entnommen. Es wurden mehrere Hundert Bilder von 3 verschiedenen Asphaltbefestigungen (AC-13, AC-16 und SMA-16) unter jeweils 3 verschiedenen Lichtverhältnissen (hell, Schatten und dunkel) einbezogen. Als Resümee wird herausgestellt, dass durch die CNN- Methode eine Präzision der Erkennung von Schlaglöchern erreicht wird.