Badanie stanu nawierzchni drogowej z wykorzystaniem uczenia maszynowego

W artykule opisano budowę systemu informowania o stanie nawierzchni drogowej z wykorzystaniem metod cyfrowego przetwarzania obrazów oraz uczenia maszynowego. Efektem wykonanych prac badawczych jest eksperymentalna platforma, pozwalająca na rejestrację uszkodzeń na drogach, system do analizy, przetwarzania i klasyfikacji danych oraz webowa aplikacja użytkownika do przeglądu stanu nawierzchni w wybranej lokalizacji.

---

Damage to the road surface is caused by many factors: from atmospheric conditions to high traffic to erosion. Poor road conditions cause damage to vehicles, high fuel consumption and accidents. Investigations of this condition, due to their high costs, are often performed manually. The steps of designing and implementing a system for the automatic identification of road pavement and creating a web application for informing the user about the road condition are presented in the paper. A set of algorithms for processing RGB and depth images was created. A neural network model has been trained and used to classify road defects. The obtained research results show 83% efficiency of using digital image processing in discarding images without any damages. In the case of pavement defects classification, the achieved average efficiency approximated 70%.