Resumen

Las condiciones climáticas severas y el manejo a largo plazo de vehículos provocan diversas grietas en el pavimento asfáltico. Si estas grietas no se encuentran y reparan a tiempo, tendrán un impacto negativo en la conducción segura de los vehículos. La detección artificial tradicional presenta algunos problemas, como baja eficiencia y falta de detección. El modelo de detección basado en aprendizaje automático requiere el diseño artificial de las características de las grietas en el pavimento. Según el manual de identificación de deterioros del pavimento propuesto por la Administración Federal de Carreteras (FHWA), estas categorías tienen tres tipos diferentes de grietas, como fatiga, grieta longitudinal y grietas transversales. Ante la presencia de muchos tipos de grietas en el pavimento, es difícil diseñar un modelo general de extracción de características para extraer las características de las grietas en el pavimento, lo que lleva a un efecto deficiente del modelo de detección automática basado en aprendizaje automático. La detección de objetos basada en el modelo de aprendizaje prof

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Clima severo; Grietas en el pavimento de asfalto; Modelo de aprendizaje automático; Identificación de deterioro del pavimento; Modelo de aprendizaje profundo; Serie YOLOv5
• Keywords:Severe weather; Asphalt pavement cracks; Machine learning model; Pavement distress identification; Deep learning model; YOLOv5 series