Application of computer vision for automatic classification of road pavement defects

Abstract

Тези присвячені застосуванню методів комп’ютерного зору та глибокого навчання для автоматичної ідентифікації та класифікації дефектів дорожнього покриття. Розглянуто сучасні архітектури згорткових нейронних мереж, зокрема EfficientDet, YOLOv8 та ResNet, що застосовуються для виявлення ям, тріщин, колійності та інших пошкоджень. Запропоновано конвеєрну архітектуру системи, яка охоплює збір зображень, попередню обробку, детекцію дефектів та інтеграцію результатів із геоінформаційними системами. Наведено порівняльний аналіз точності класифікації для шести типів дефектів та обговорено практичні аспекти впровадження таких систем.

This paper addresses the application of computer vision and deep learning methods for automated identification and classification of road pavement defects. Modern convolutional neural network architectures, including EfficientDet,