摘要
及时的桥面铺装检测需要在覆盖大面积区域的同时，保留识别局部病害所需的图像细节。本研究开发了一种从宏观到微观的工作流程，包含独立的激光雷达（LiDAR）筛查分支和YOLOv8s图像检测分支。利用荆州长江公路桥梁的机载激光雷达数据支持桥面提取和几何筛查。处理流程包括统计离群值去除、坐标归一化、体素采样、局部平面拟合、残差与法向偏差筛查以及空间聚类。桥面提取从311,784个代表点中保留了179,914个点。基于残差和法向偏差的几何筛查识别出17,075个疑似点。经区域过滤后导出边界框，在七个候选区域中获得423个点用于针对性检测。2025年检测报告记录了铺装病害情况，现场人员在筛查区域内确认了对应的病害。图像分支使用了UAV-PDD2023的官方图像级数据集划分。第146个epoch的模型检查点取得了最高的验证集mAP50，并在官方测试集上进行评估。官方测试集的精确率达到0.85591，召回率为0.85882，mAP50为0.88556，mAP50–95为0.58195。在固定的基准协议下，该模型检测出了全部六类铺装病害。两个分支共同支持桥面铺装检测中的大面积几何筛查与详细图像分析。
