无论是水泥路面还是沥青路面,在通车使用一段时间之后,都会出现各种损坏、变形及其它缺陷,这些统称为道路病害。

常见的病害类型有:龟裂、坑槽、车辙、松散、沉陷、桥头涵顶跳车、表面破损等等,这些道路病害的存在不仅会影响到道路的正常使用,还会增加潜在的交通隐患,影响行车安全。

因此,及时发现并处理道路病害是一件非常现实的需求。以往,发现道路病害主要依赖于人力巡检,随着人工智能计算机视觉技术的发展,目前已经实现通过机器自动检测识别各种道路病害。

不过机器本身是并不具备识别各种道路病害的能力,前期机器学习依赖大量标注数据的投喂。因此,今天就分享一例数据标注在道路病害图片标注领域的具体应用。

一.项目名称

某机构道路病害图片标注。

二.项目要求

为了机器学习识别道路病害,需要标注大量的病害图片以便训练和验证。

三.业务要求

☆公路病害分类标注:

参见:《JTG H20-2007公路技术状况评定标准》

☆城镇道路病害分类标注:

参见《cjj36-2016城镇道路养护技术规范》

四.技术要求

1) 基本原则:

☆定检和日常巡检的分开;

☆市政道路和公路的分开;

☆沥青和混凝土的分开;

☆如果一个图片只有一种病害,那么放在单独目录,例:定检\公路\沥青\龟裂\xx.jpg。

2) 把图片上的所有病害都用多边形标注出来;

3) 不同的病害类型和病害要分开标注;

4) 标注的结果,每个图片对应一个json格式的文件。

五.标注效果


以上经过标注后的图片即可用于相关机器学习,满足诸如道路病害检测机器人的需要,减轻道路巡检对人力的依赖,并提高识别道路病害的准确率。