一个端到端自动化的框架，用于使用基础模型和学习的骨架化技术进行路面裂缝检测和尺寸量化

《Engineering Applications of Artificial Intelligence》：An end-to-end automated framework for pavement crack detection and dimensional quantification using foundation models and learned skeletonization

路面裂缝的端到端检测与尺寸量化框架研究。提出融合SAM2和DINOv2特征的改进U-Net模型，结合多源数据集和批次平衡策略提升检测精度，通过骨骼化生成单像素中心线并利用地面采样距离原理实现裂缝长度和宽度的高精度量化（误差<10%）。实验证明该框架在复杂场景下优于传统方法，具备工程部署价值。

　　

蔡昌|邓勇|周志良|张源|余江淼

华南理工大学土木与交通工程学院，广州，510641，中国

摘要

本文提出了一个端到端的框架，利用人工智能模型实现完全自动化的路面裂缝检测和尺寸量化。在裂缝检测方面，该框架采用了一个改进的U形卷积神经网络（U-Net），该网络结合了Segment Anything Model版本2（SAM2）和self-distillation with no labels版本2（DINOv2）的特征提取能力，以充分利用它们的互补优势。通过构建包含1791张图像的多源数据集并采用批量平衡采样策略，进一步提升了模型的泛化能力和训练效率。在裂缝尺寸量化方面，使用了一个基于骨架的U-Net模型，该模型在包含850张图像的专门开发的数据集上进行了训练，能够生成单像素宽度的裂缝中心线，有效解决了传统形态学骨架化方法中常见的噪声和连通性问题。随后引入了地面样本距离原理，将像素级输出转换为实际测量值，从而能够准确估计裂缝的长度和宽度。实验结果表明，所提出的检测模型结合了二元交叉熵损失和交并比损失进行训练，在评估的各种损失函数组合中实现了分割质量和量化精度之间的最佳平衡，并且性能优于两种先进的裂缝分割模型。此外，该框架在独立数据集上的裂缝长度和宽度估计误差相对于手动测量结果低于10%，该数据集是使用智能手机在大学校园内收集的。总体而言，所提出的框架在现实应用中展现出巨大潜力，提供了一种低成本、高效且完全自动化的路面裂缝检测和尺寸量化解决方案。

引言

无论是横向还是纵向裂缝，都是沥青路面最常见的损伤类型，通常由水分、温度变化和交通荷载的共同作用引起（Li等人，2025年）。如果不及时修复，这些裂缝会加速更严重的路面劣化现象（如坑洞和鳄鱼裂纹）的发展，并危及驾驶安全（Liu等人，2025年）。因此，及时检测和定量评估路面裂缝对于有效的道路维护和资产管理至关重要（Deng等人，2022年）。然而，传统的检测方法仍然严重依赖人工检查和文档记录，这种方法效率低下、主观性强，无法满足现代道路网络快速大规模检测的需求（Deng等人，2019年，2021年；Yang等人，2024年）。为了提高沥青路面裂缝检测的效率，自动化技术已逐步应用于检测过程的不同阶段。整个工作流程可以分为三个关键阶段：图像采集、裂缝图像处理和裂缝尺寸量化。

图像采集阶段侧重于收集满足后续裂缝识别和量化质量要求的路面表面图像。常用的采集平台包括检测车辆、无人机（UAV）、3D重建系统和智能手机。例如，Sun等人（2022年）使用检测车辆捕捉路面图像，其优点包括全车道覆盖以及通过全球定位系统（GPS）集成同时记录地理信息（如经度、纬度、高度和时间戳）。然而，他们也指出了局限性，包括由于相机角度和高度不同导致的检测区域不规则，以及相邻图像之间的重叠区域。Zhang等人（2024a）采用了基于无人机的成像方法，强调了高机动性、快速覆盖和良好的可访问性等优点，特别是在地面车辆难以到达的区域。不过，这种方法对光照条件和相机分辨率敏感，且载荷限制了高性能传感器的部署。Mulry等人（2014年）引入了一种激光测量系统，可以获取每个路面像素的高程和反射强度数据，为裂缝提取提供了丰富的信息。他们的研究指出，该方法具有速度快、效率高和空间数据收集全面等优点，但也承认在准确区分损伤类型或识别细微表面裂缝方面存在挑战。

裂缝图像处理阶段侧重于识别和分割路面裂缝，以便进行后续的尺寸量化，可以使用传统的计算机视觉（CV）技术或深度学习（DL）方法。在传统的CV方法中，工作流程通常包括图像去噪、增强、二值化和断点连接，每个步骤都有多种算法可供选择。例如，Zhang等人（2024b）描述了几种常用的算法：中值滤波和高斯滤波用于去噪，灰度转换和直方图均衡用于增强，阈值方法用于二值化，最小生成树或裂缝种子生成用于连接断点。尽管这些方法有用，但Zhang等人也指出，传统的CV算法存在泛化能力差、对噪声敏感以及难以处理复杂裂缝类型等局限性。

因此，深度学习（DL）已成为路面裂缝识别的主流方法。模型训练通常包括两个关键部分：数据准备和模型构建。训练数据集可以是开源的，如Crack500（Zhang等人，2016年；Yang等人，2019年）、CrackTree200（Zou等人，2012年）、GAPs384（Yang等人，2019年；Eisenbach等人，2017年）、CFD（Shi等人，2016年）和ALE（Amhaz等人，2016年），也可以是自建的。开源数据集减少了手动标注的工作量和初始成本，但在实际场景中部署时，由于成像条件（如观察角度和照明）的变化，基于这些数据集训练的模型性能往往会有所下降（Chen等人，2019年）。自建数据集使用特定的采集设备和观察条件收集，可以提高模型在目标工程应用中的性能，但需要更高的初始准备成本（Zou等人，2019年）。

模型构建可以包括选择和修改现有架构或开发自定义的分割模型。Zhang等人（2025年）回顾了常用的裂缝检测分割网络，包括U形卷积网络（U-Net）、残差网络（ResNet）、DeepLabv3+、DeepCrack和语义损伤检测网络（SDDNet），并指出了一种趋势，即对大型预训练分割模型进行微调。总结来说，传统的分割模型简单轻量，但需要大量的训练数据，泛化能力较弱，且训练成本较高。相比之下，大型预训练模型在相对较少的微调数据下就能实现更高的分割精度和泛化能力，成为当前研究的主流选择。

裂缝尺寸量化阶段使用分割后的二值掩膜来获取具有实际工程意义的测量值。这一过程通常使用骨架化或非骨架化方法进行。骨架化使用各种算法将二值掩膜转换为单像素骨架，然后应用摄影测量技术计算实际裂缝的尺寸（如长度和宽度）（Krefft和Hoegner，2025年）。基于骨架化的方法可以直接计算实际裂缝尺寸，这对工程应用很有价值，尽管实现高量化精度可能具有挑战性（Liu等人，2025年）。相比之下，非骨架化方法直接分析二值掩膜以推断路面损伤，支持整体路面状况评估（Zhang等人，2024c）。例如，Sun等人（2022年）绕过了骨架化过程，而是在二值掩膜上叠加了一个网格，以估计裂缝面积、投影长度和投影宽度作为实际裂缝尺寸的代理。类似地，Zhang等人（2024c）引入了路面损伤比率（PDR），定义为掩膜中裂缝像素与总像素的比率，然后用它来估计路面状况指数（PCI）以评估道路状况。

大多数现有研究关注单个阶段，如提高分割精度、增强骨架化或使用定制数据集优化特定场景的性能。尽管这些方法在受控或实验室环境中展示了有希望的结果，但它们通常涉及较高的部署成本、有限的泛化能力，或者适用范围仅限于特定条件。因此，一个能够可靠地将裂缝检测结果转换为实际工程尺寸测量的端到端流程尚未得到充分解决（Jing等人，2025年）。为了解决这一局限性，本研究整合了现有方法的优点，开发了一个全面的路面裂缝检测和尺寸量化框架。所提出的框架结合了开源数据集、大型预训练分割模型和基于学习的骨架化与摄影测量转换。此外，还使用了带有手动测量尺寸的现场采集裂缝图像来评估该框架的尺寸量化精度。结果表明，所提出的方法具有较低的训练成本、强大的泛化能力和高测量精度，突显了其在工程应用中的实际适用性。

部分摘录

基础模型

常用于裂缝分割的大型预训练模型包括Segment Anything Model（SAM）和self-distillation with no labels版本2（DINOv2）。SAM由Meta公司在2023年发布，是一个在大规模图像分割数据集Segment Anything one-billion mask（SA-1B）上预训练的模型（Kirillov等人，2023年）。其主要功能是根据用户提供的点、框或文本提示实时分割图像中的任何对象（Kirillov等人，2023年）。利用其强大的

方法论

所提出的端到端框架用于路面裂缝检测和尺寸量化，如图2所示，包括四个关键阶段：数据采集与测量准备、通过分割提取裂缝几何形状、通过骨架化推断中心线以及通过摄影测量进行尺寸量化。在数据采集与测量准备阶段，我们首先收集了四个开源数据集，然后对其进行清洗和筛选以用于训练

数据集

DSU-Net模型使用了四个开源数据集进行训练：CFD、GAPs384、Crack500和CrackTree200。在训练之前，移除了低质量样本和注释风格不兼容的图像。数据处理后，共保留了1791张图像，并按75%:25%的比例分为训练集和测试集。每个数据集的详细组成在表2中总结。按照第2.2节描述的批量平衡策略，每个

结论与展望

本文提出了一个端到端的自动化框架，填补了路面裂缝分析中的一个关键空白，涵盖了从图像采集和分割到骨架化和实际尺寸量化的整个过程。该框架引入了DSU-Net模型进行裂缝分割，实现了准确的连续检测，同时有效抑制了路面标记和井盖等噪声。DSU-Net生成的高质量掩膜随后被

CRediT作者贡献声明

蔡昌：撰写 – 审稿与编辑，撰写 – 原稿，可视化，验证，软件，方法论，调查，正式分析，数据管理。邓勇：撰写 – 审稿与编辑，撰写 – 原稿，可视化，验证，监督，资源管理，方法论，调查，资金获取，正式分析，概念化。周志良：撰写 – 审稿与编辑，可视化，验证，调查。张源：撰写 – 审稿与编辑，

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

本工作得到了中国自然科学基金 [资助编号：52578521]、佛山市科技创新团队专项项目 [资助编号：2120001010776]、广东省珠江人才计划（海外青年人才） [资助编号：2024QN11G384]、亚热带建筑与城市科学国家重点实验室开放基金 [资助编号：2024ZB08]的支持。本文表达的观点、发现、结论和建议仅代表作者本人，并不代表任何机构或组织的立场。