據(jù)外媒報道，韓國土木工程與建筑技術研究所（KICT）宣布開發(fā)出“基于人工智能的自動路面坑洼檢測系統(tǒng)”。該系統(tǒng)將安裝在車輛的擋風玻璃上，以實時檢測路面上的坑洼。路面坑洼不僅會損壞汽車，甚至還可能引發(fā)危及生命的事故。

（圖片來源：KICT）

       路面坑洼在雨季猶會引發(fā)問題。2020年8月，韓國首爾遭遇超級大暴雨，該市共收到7,000個坑洼報告。而從2016年至2018年，韓國全國報告的坑洼數(shù)量為657,993，損失賠償總額達46億韓元，道路維修費用達1.7萬億韓元。如果車輛并未注意到坑洼并高速通過，該車輛很可能會脫離行駛車道，從而威脅到駕駛員的生命。
       路面管理從快速檢測受損路段開始，涉及基于振動、激光掃描和圖像識別的檢測技術。特別地是，隨著深度神經(jīng)網(wǎng)絡的檢測技術的發(fā)展，基于圖像識別的路面管理方法不斷受到關注。此外，基于圖像的技術還可用于個人設備，例如車輛或智能手機攝像頭，因此依賴人類視覺檢查的地方政府更容易采用該技術。
       該系統(tǒng)由Seungki Ryu博士領導的KICT研究團隊開發(fā)。該系統(tǒng)安裝于車輛擋風玻璃上的視覺傳感器，可在駕駛時拍攝路面來實時檢測坑洼。該AI推理模型使用基于FCN（全卷積神經(jīng)網(wǎng)絡）架構的編碼器-解碼器網(wǎng)絡，可從語義上分割路面上的損壞。
       基于圖像檢測的一個常見問題是，即使在同一位置，圖像的像素單元信息也會因外部環(huán)境的變化而有所不同。特別是路面亮度會隨時間變化，因此使用該AI推理模型識別路面損壞可能具有挑戰(zhàn)性。為了解決這個問題，研究團隊開發(fā)出一種新的用于圖像預處理的CNN（卷積神經(jīng)網(wǎng)絡）模型，并結合語義分割模型，可對不同亮度條件下拍攝的道路圖像顯示出穩(wěn)健的檢測性能。
       該技術包括使用人工智能模型收集數(shù)據(jù)的移動應用程序和基于地圖的云服務器平臺，可根據(jù)移動應用程序傳輸?shù)臄?shù)據(jù)識別坑洼。目前，韓國部分地方政府，如光州廣域市（Gwangju Metropolitan City）、高陽市（Goyang-si）和金海市（Gimhae-si）正在試點這項技術。Ryu博士的研究團隊旨在進一步擴展這項技術并將其推廣至其他地方政府。
       Ryu博士表示：“在即將到來的自動駕駛汽車時代，保持道路設施處于良好狀態(tài)至關重要。這種基于人工智能的技術將更容易、有效地管理路面?！?/P>

（轉載）