路面破损的识别。基于密度因子的。有方向密度因子，基本密度因子和混合密度因子

基于计算机视觉matalb的路面检测设计，本方法采用二值化 大津法进行阙值选取效果尚可 仅供参考切勿盗版

使用CNN进行混凝土裂缝检测：一切

裂缝是路面表面的重要病害之一。传统的裂缝检测依赖于人工的视觉检查，在实际操作中费时费力。虽然传统的图像处理技术在一定程度上可使裂缝检测与分割更加自动化，但是图像处理技术易受到由光照、模糊等引起的一些噪声的影响。为了完成复杂环境下对路面裂缝的分割及检测，提出了一种基于改进的全卷积神经网络（Fully Convolutional Networks，FCN）的分割方法，根据建立的数据集训练传统FCN和优化后的FCN，测试结果表明其平均交并比（mean_IoU）得到了一定的提高，故该方法能够较准确地分割出路面裂缝。

针对传统裂缝图像分割方法不能准确提取混凝土表面裂缝的难题,提出了一种改进的轻量级全局卷积网络的路面裂缝图像分割模型。根据深度卷积网络原理,使用大卷积核对裂缝图像进行分类和定位,针对裂缝特征构建轻量级的语义分割MobileNetv2-GCN模型。实验对比结果表明,该模型在三个公开裂缝数据集上都表现出优越的性能。采用中轴骨架算法提取语义分割后的裂缝骨架,计算裂缝平均宽度的物理值,其实验结果具有较高的准确性,可为公路健康检测提供可靠的数据支持。

基于卷积神经网络的路面病害检测技术，欧阳林澍，徐国胜，快速、准确的裂缝自动识别对于保障行车安全具有重要的意义。现有的裂缝识别技术大多基于人工提取局部图像特征或边缘检测等方法，

基于卷积神经网络的路面裂缝检测

基于正态分布生成裂缝走向，对数正太分布生成裂缝长度，密度分布生成裂缝位置。

全国25万多个地质灾害点空间分布数据，崩塌、塌陷、泥石流、地面沉降、地裂缝、滑坡、斜坡7大类地质灾害点。数据分为全国30个省市自治区，数据格式为excel 和矢量shape文件格式。 WGS84通用坐标系 经过野外实地调查数据，来源可靠，准确权威，精度高，属性信息齐全，可以做多种分析，论文引用，GIS二次开发引用。

Yolov5实现道路裂缝检测-附件资源