低等级路面病害的轻量化边缘实时检测方法OA

针对传统路面检测车巡检效率低、设备成本高、实时性差等问题,提出一种基于边缘智能的轻量化路面病害实时检测方法。该方法采用YOLO-Trip模型,高效提取颜色和空间位置特征,结合TensorRT技术实现边缘端实时检测;针对现有里程测量存在的精度不足与部署困难等问题,设计了IMU和GNSS自校准高频里程计,结合卡尔曼滤波与线性插值算法,实现高频里程测量;构建了低功耗车载边缘计算平台,无需额外供电即可实时采集和检测路面图像。里程计对比实验表明,在0~40 km/h速度范围内,系统采样最大误差与车轮编码器相比仅为0.9%,显著优于单GNSS方案;模型对比实验表明,YOLO-Trip模型在召回率和平均精度上较基准模型均有所提升,同时参数量更少,计算量更小,减轻了边缘计算压力。系统能实时检测横向裂缝、纵向裂缝、网状裂缝和凹坑等病害,准确记录位置信息,适用于农村水泥路和山区柏油路,为路面养护提供数据支持。