不管是水泥路面仍是瀝青路面,在通車使用一段時間以後,都會出現各類損壞、變形及其它缺陷,這些統稱爲道路病害。json
常見的病害類型有:龜裂、坑槽、車轍、鬆散、沉陷、橋頭涵頂跳車、表面破損等等,這些道路病害的存在不只會影響到道路的正常使用,還會增長潛在的交通隱患,影響行車安全。安全
所以,及時發現並處理道路病害是一件很是現實的需求。以往,發現道路病害主要依賴於人力巡檢,隨着人工智能計算機視覺技術的發展,目前已經實現經過機器自動檢測識別各類道路病害。機器學習
不過機器自己是並不具有識別各類道路病害的能力,前期機器學習依賴大量標註數據的投喂。所以,今天就分享一例數據標註在道路病害圖片標註領域的具體應用。ide
一.項目名稱學習
某機構道路病害圖片標註。人工智能
二.項目要求blog
爲了機器學習識別道路病害,須要標註大量的病害圖片以便訓練和驗證。圖片
三.業務要求it
☆公路病害分類標註:
class
參見:《JTG H20-2007公路技術情況評定標準》
☆城鎮道路病害分類標註:
參見《cjj36-2016城鎮道路養護技術規範》
四.技術要求
1) 基本原則:
☆定檢和平常巡檢的分開;
☆市政道路和公路的分開;
☆瀝青和混凝土的分開;
☆若是一個圖片只有一種病害,那麼放在單獨目錄,例:定檢\公路\瀝青\龜裂\xx.jpg。
2) 把圖片上的全部病害都用多邊形標註出來;
3) 不一樣的病害類型和病害要分開標註;
4) 標註的結果,每一個圖片對應一個json格式的文件。
五.標註效果
以上通過標註後的圖片便可用於相關機器學習,知足諸如道路病害檢測機器人的須要,減輕道路巡檢對人力的依賴,並提升識別道路病害的準確率。