基于改進UNet的瀝青道路缺陷檢測系統的研究與實現
電子技術應用
韓德強，張洪瑞，楊淇善
北京工業大學 計算機學院
摘要： 針對道路缺陷檢測中傳統方法泛化能力低、易受環境干擾，以及深度學習模型部署在計算平臺時存在的高功耗、低速度等問題，提出一種基于低功耗FPGA平臺的語義分割模型的加速與部署策略。首先，構建包含道路裂縫與坑洞的多源數據集，通過數據增強技術平衡樣本分布；其次，針對UNet模型的特征提取網絡與上采樣網絡分別進行通道裁剪，并結合量化技術將模型權重從FP32壓縮至INT8，進一步降低計算量；最后，利用Vitis AI工具鏈完成模型量化與編譯，部署至FPGA平臺，充分發揮其并行計算能力。實驗結果表明，優化后的模型在保證平均交并比（MIoU）損失小于5%的前提下，推理速度達到了17 ms，模型參數量與計算量大幅度降低，并且功耗顯著降低。該方法在邊緣端實現了高效、低功耗的道路缺陷檢測，為瀝青道路自動化養護評估提供了可行方案。
中圖分類號：TP183 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.256454
中文引用格式： 韓德強，張洪瑞，楊淇善. 基于改進UNet的瀝青道路缺陷檢測系統的研究與實現[J]. 電子技術應用，2025，51(11)：1-9.
英文引用格式： Han Deqiang，Zhang Hongrui，Yang Qishan. Research and implementation of an asphalt road defect detection system based on improved UNet[J]. Application of Electronic Technique，2025，51(11)：1-9.
中文引用格式： 韓德強，張洪瑞，楊淇善. 基于改進UNet的瀝青道路缺陷檢測系統的研究與實現[J]. 電子技術應用，2025，51(11)：1-9.
英文引用格式： Han Deqiang，Zhang Hongrui，Yang Qishan. Research and implementation of an asphalt road defect detection system based on improved UNet[J]. Application of Electronic Technique，2025，51(11)：1-9.
Research and implementation of an asphalt road defect detection system based on improved UNet
Han Deqiang，Zhang Hongrui，Yang Qishan
School of Computer Science，Beijing University of Technology
Abstract： Aiming at the problems such as the low generalization ability of traditional methods in road defect detection, which are vulnerable to environmental interference, and the high power consumption and low speed when deploying deep learning models on computing platforms, an acceleration and deployment strategy for the semantic segmentation model based on a low-power FPGA (Field-Programmable Gate Array) platform is proposed. Firstly, a multi-source dataset containing road cracks and potholes is constructed, and data augmentation techniques are used to balance the sample distribution. Secondly, channel pruning is carried out separately for the feature extraction network and the upsampling network of the UNet model. Combined with the quantization technique, the model weights are compressed from FP32 (32-bit floating-point) to INT8 (8-bit integer), further reducing the computational load. Finally, the Vitis AI toolchain is utilized to complete the model quantization and compilation, and the model is deployed to the FPGA platform to fully exert its parallel computing capability. The experimental results show that, on the premise of ensuring that the loss of the mean intersection over union (MIoU) is less than 5%, the inference speed of the optimized model reaches 17 ms. The number of model parameters and the computational load are significantly reduced, and the power consumption is remarkably decreased. This method achieves efficient and low-power road defect detection at the edge side, providing a feasible solution for the automated maintenance evaluation of asphalt roads.
Key words : road defect detection；semantic segmentation；model compression；FPGA model deployment
引言
隨著國家高速公路建設的快速發展，我國的道路總里程在不斷地增加，同時也帶來了養護成本不斷提高的問題。據交通運輸部門的官方數據統計，2022年我國公路養護總里程增長至535.01萬公里，相比于2015年的446.56萬公里增長迅速，其占公路總里程也由2015年的97.60%增長至2022年的99.90%[1]。目前，中國公路網絡已基本形成，主要道路也由水泥路變為了瀝青道路，然而大規模建設后必然帶來繁重的養護任務，隨著國家對公路養護體制改革的逐步深入，我國公路養護已由傳統的“搶修時代”過渡到“全面養護時代”[2]。根據交通運輸部規劃戰略介紹，“十三五”期間我國公路建設需求將逐步下降，對道路養護的需求將大大的提高[3]。
公路是人們日常生活中經常要使用到的基礎設施，使用量大必然面臨著損壞的問題。公路損壞的原因是多方面的，從自然因素到貨車超載、出現小問題時維護不及時等都加速了公路的損壞[4]。公路路面由于各種原因形成的裂縫、坑槽、塌陷等病害都嚴重影響著道路的安全[5]。然而，傳統的道路質量評估通常是由人工進行檢測，這種方法穩定性差、速度慢，還存在漏檢與誤檢的問題，尤其在人工檢測的過程中普遍還需要對道路進行封閉，這可能會造成道路的擁堵，影響交通秩序[6]。所以，如何對道路上的病害與缺陷進行自動化的檢測成為當前重要的研究課題。
本文詳細內容請下載：
http://m.jysgc.com/resource/share/2000006833
作者信息：
韓德強，張洪瑞，楊淇善
（北京工業大學 計算機學院，北京 100124）
此內容為AET網站原創，未經授權禁止轉載。