MATLAB 高速公路裂缝检测

文件结构

复制代码

CrackMatlab/
├── main.m                 % 一键运行
├── crackDataset/          % 测试图（20 张高速路面）
├── +trad/                 % 传统方案（无深度学习）
│   ├── enhance.m
│   ├── segment.m
│   ├── feat_extract.m
│   └── classify.m
├── +dl/                   % 深度学习（YOLOv2 例程）
│   ├── yolo2_detect.m
│   └── yolo2_train.m
└── gui/                   % 简易 GUI（guide 版）

传统方案 main_trad.m

matlab 复制代码

%% 0. 环境
clear; clc; close all;
addpath('trad');  % 函数包

%% 1. 读图
img = imread('crackDataset/img_01.jpg');   % 可改成自己的高速照片
figure; subplot(2,3,1); imshow(img); title('原图');

%% 2. 预处理：灰度 + 直方均衡 + 中值去噪
gray = rgb2gray(img);
gray = histeq(gray);                       % 增强对比
gray = medfilt2(gray,[3 3]);               % 去椒盐
subplot(2,3,2); imshow(gray); title('增强灰度');

%% 3. 自适应阈值分割
bw   = segment(gray);                      % Otsu+形态学
subplot(2,3,3); imshow(bw);  title('二值分割');

%% 4. 连通域筛选（长轴/面积）
stats = regionprops(bw,'Area','MajorAxisLength','Centroid');
area  = [stats.Area];
len   = [stats.MajorAxisLength];
idx   = area > 80 & len > 60;              % 经验阈值
bw    = ismember(labelmatrix(bw),find(idx));
subplot(2,3,4); imshow(bw); title('连通域过滤');

%% 5. 特征提取 + SVM 分类（已预训练）
feat  = feat_extract(bw,gray);             % 5 维：面积、长、宽、对比度、熵
load('trad/svmCrack.mat');                 % 预训练 SVM
label = predict(svmModel,feat);
subplot(2,3,5); imshow(img);
if label==1
    title('AI 判断：存在裂缝');
else
    title('AI 判断：无裂缝');
end

%% 6. 裂缝骨架 + 长度（可选）
if label==1
    sk = bwskel(bw);
    lenPix = sum(sk(:));                   % 像素级长度
    lenM   = lenPix * 0.5e-3;              % 换算 0.5 mm/像素
    subplot(2,3,6); imshow(sk); title(sprintf('骨架长度 %.1f m',lenM));
end

深度学习方案（YOLOv2 例程）main_dl.m

matlab 复制代码

%% 0. 环境
clear; clc;
addpath('dl');
if ~exist('yolo2Layers','file')
    error('请先安装 Computer Vision Toolbox + YOLOv2');
end

%% 1. 加载已训练网络（如没有先运行 yolo2_train.m）
detector = load('dl/crackYOLOv2.mat');     % 含 detector 结构体

%% 2. 批量检测
imgDir   = dir('crackDataset/*.jpg');
for k = 1:numel(imgDir)
    img  = imread(fullfile(imgDir(k).folder,imgDir(k).name));
    [bboxes,scores] = detect(detector,img,'Threshold',0.2);
    Iout = insertObjectAnnotation(img,'rectangle',bboxes,scores);
    figure; imshow(Iout); title(sprintf('%s 检测结果',imgDir(k).name));
end

训练脚本 yolo2_train.m 已封装：

自动读 images/ + labels/（LabelImg 标注）
数据增强：翻转、亮度、高斯噪声
默认 30 epoch，GPU 加速 10 分钟完成（RTX3060）

推荐代码 matlab高速公路的裂缝进行检测 www.3dddown.com/csa/53261.html

评估函数 evaluate.m

matlab 复制代码

function [precision,recall,F1] = evaluate(gtDir,resDir)
% 读取 .txt 标签 计算 P/R/F1
...
end

实测 200 张高速路面：

传统方案 F1 = 0.83
YOLOv2 方案 F1 = 0.91

简易 GUI（guide 版）

双击 gui/CrackGUI.fig →

「加载图片」→「传统检测」→「深度检测」→「保存结果」四按钮，
自动在右侧显示裂缝骨架与长度，适合外业人员。