AI识别道路“病害” 农村公路也有了“体检报告”

  日前，交通运输部开展农村公路路况自动化现场抽检，抽检范围为吉林、江苏、安徽、福建、云南、宁夏等6个省（区）。该检测相当于给公路进行“体检”，为公路养护提供技术支撑，这也是交通运输部首次开展农村公路路况自动化现场抽检。

  农村公路自动化检测采集的数据，最重要的包含路面的破损、坑槽、裂缝等反映农村路面完好状况的指标。按车流速度行驶，检测设备能连续无损、自动采集数据，并进行自动化处理。

  云南省这次抽测的是玉溪市易门县，4辆自动检验测试车分成4组，同步对全县1000多公里的农村公路展开检测。检测车正后方的高清相机，配备激光照明技术，可以连续拍摄整个行车道路面的高清图片，最小分辨率约在1至3毫米。车辆一边行驶，一边记录，从而更精准地掌握路面的病害情况。

  记者跟随检测车1个小时左右，韩浩这一组就已完成了10多公里的路面检测。

  道路检测工程师 韩浩：以前农村公路的路况检测主要是靠人工，就是徒步行走的方式，效率又低，安全风险又比较大。采取了专用检测设备之后，每天我们就可以检测100多公里。

  截至2023年底，我国农村公路总里程达到460万公里，通过自动化检测，可实现对农村路面病害的自动识别和数据处理，实现各等级农村公路检测全覆盖、全自动化，为农村公路养护科学决策提供基础数据支撑。

  总台央视记者 陈晰：这里是位于河北霸州的交通运输部公路科学研究院的检验测试的数据分析处理中心，旁边这些办公室里，有人在做数据录入，有人在做数据分析，还有人在进行报告评价。

  记者走进办公区看到，屏幕上标记着各种病害，不一样的颜色的方格，在屏幕上飞速闪动，科技感十足。

  数据分析师 扈书光：现在AI识别效率能够达到1小时10万张，每张照片能够覆盖5平方米的路面面积，一张照片大概由500个小方块组成。

  工作人员和记者说，没用AI系统前，主要是靠人工识别。采集回来的路面原始图片，要按不同损坏类型，逐一对每张图片进行人工标注，识别效率只能达到每小时10至12公里，而用AI后，识别效率大幅度的提升，能达到每小时200公里。

  高效识别的背后，不但依靠十万级图片数据的“病例库”，还有百万级图片多模型的融合训练，再经过千万级图片工程化的验证，最终AI系统才学会多病害、复杂病害以及复杂工程场景的识别。

  数据分析师 扈书光：不同的颜色和标记方式，对应不同的病害类型，紫色的斜条纹表示裂缝，红色的网格表示破碎板。如果不及时修补，时间长了，就会形成更严重的坑洞和破碎板。

  在进行完数据的识别分析后，运用《农村公路技术状况评判标准》开发的自动评定系统，农村公路的检测结果会自动输出一份农村公路的“体检报告”。

  近年来，交通运输部快速推进农村公路路况自动化检测工作，自动化检测比例逐步的提升。截至2023年底，农村公路技术状况自动化检测比例已达到70.35%。仅去年一年，农村公路的自动化检测里程就将近300万公里。

  交通运输部路网监测与应急处置中心处长 周可夫：通过实地抽检，持续提升数据的完整性、有效性以及检测评定结果的准确性，对提升公路养护科学决策水平、快速推进农村公路数字化转型具备极其重大意义。

  同时，轻量化自动检验测试装备、大数据、人工智能等技术在农村公路技术状况检验测试中的应用，推动了农村公路自动化检测的降本、提质、扩面、增效，为制订合理的农村公路养护计划，提供了科学依据。