基于U-Net的路面裂缝检测识别系统设计与工程部署实践

简介：这是一套基于MATLAB的路面裂缝检测识别系统设计资源，面向深度学习、图像处理方向的工程实践与课程设计，可用于道路病害自动化检测和算法验证。压缩包内共18个文件，以14个.m源码为主，覆盖主程序、图像处理函数与裂缝判断模块，另有1个.fig图形界面文件、测试图像和xls结果表，整体大小仅268KB，轻量易部署。项目中综合运用图像增强、直方图均衡化、噪声去除与分割预处理，并构建卷积神经网络完成裂缝特征提取与类型判断，从数据准备、模型训练与验证到GUI展示环环相扣。已有1053人学习，代码模块化清晰，Gui_Main等核心脚本可直接运行，配套样例图片方便快速验证。对于希望掌握MATLAB深度学习应用、图像预处理流程及裂缝识别算法的读者，是一份值得动手实践的完整参考。

1. 路面裂缝检测识别系统设计，先看像素再看模型

市政道路巡检一天拍下几万张图像，人工复核窗口里的裂缝往往只占几十个像素，漏检率随疲劳快速上升。路面裂缝检测识别系统设计，很容易被误带成“目标检测任务”，但裂缝宽度在图上常常只有两到五个像素，检测框与真实裂缝之间的IoU天然很小，算出的指标和现场手感对不上。更稳健的路径是像素级分割加形态学后处理：分割网络输出每个像素的裂缝概率，后处理再提取骨架、计算长度与平均宽度。这条路径适合道路养护巡检、桥梁检测、智慧城市平台，也适合拿到打包好的权重组、需要离线接入脚本的后端工程师。我把整个设计拆成数据准备、模型训练、后处理与zip交付、现场量化验证四段来讲，参数给到可以直接替换的范围。

2. 路面裂缝检测识别系统的数据准备与模型选型

2.1 先用正样本占比决定训练策略

拿到第一批标注数据，先别急着写训练代码。裂缝是典型的小目标，很多标注图的mask几乎全黑，直接训练会得到一个“什么也不输出”的高准确率模型。最快验证数据质量的办法是统计正样本像素占比：

import cv2 import glob mask_list = glob.glob("labels/train/*.png") for fp in mask_list[:30]: mask = cv2.imread(fp, 0) ratio = (mask > 0).mean() print(f"{fp}: {ratio * 100:.4f}%")

mask > 0把标注二值化，mean()在这个二值图上等价于正样本比例。路面裂缝正常情况在0.05%到2%之间；如果抽样统计普遍低于0.5%，训练损失就不要用普通二分类交叉熵，改为后面要讲的Dice组合损失，否则模型只需把全图预测成背景就能骗到很高的准确率。

这个比例同样决定输入分辨率。把1920×1080原图直接resize到256×256，两像素宽的裂缝在输入里只剩亚像素信息，分割网络不可能学出连续mask。我一般会先在原图上量10到20条裂缝的平均像素宽度，再按输入尺寸与原始尺寸的缩放比例换算，保证训练输入里裂缝至少保留一到两个像素。如果显存不允许，就用随机crop代替整图resize。

2.2 经典边缘检测与分割模型的边界在哪里

在固定机位、固定光照的隧道或桥梁场景，Canny加形态学处理仍然能跑，而且零标注、推理快。但道路巡检车的光照、树影、水渍和标线残影会快速击穿固定阈值。深模型虽然需要标注和训练成本，但对光照变化的鲁棒性明显更好。选型结论我常按下面这张表收拢：

目标检测最大的麻烦不是精度，而是输出格式。养护报告要写“某路段有一条长3米、平均宽2毫米的裂缝”，检测框给不出宽度，只能给一个与裂缝斜交的矩形。分割模型输出与像素对应的概率图，骨架提取后能直接换算物理长度，这是工程上选分割模型更常见的理由。

2.3 最小可复现的数据目录与增强配置

管线里的目录结构必须稳定，否则训练脚本、打包脚本、推理脚本各指各的路径。最小结构如下：

crack_data/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/

目录稳定后，增强配置建议用albumentations统一管理，避免手写numpy变换在训练和推理时行为不一致：

import albumentations as A from albumentations.pytorch import ToTensorV2 train_tf = A.Compose([ A.Resize(288, 288), A.HorizontalFlip(p=0.5), A.RandomBrightnessContrast( brightness_limit=0.15, contrast_limit=0.15, p=0.3), A.RandomGamma(gamma_limit=(80, 120), p=0.3), A.GaussNoise(var_limit=(10.0, 30.0), p=0.2), A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)), ToTensorV2(), ])

亮度、对比度和噪声都模拟光照与相机传感器的波动；横向翻转保留裂缝的方向语义，不要随意做90度旋转，否则横缝纵缝在模型里会被混成一团。最容易被忽略的是切分方式：同一路段连续几帧图像相关性极高，按图像随机切分会让验证集“记忆”训练集。要按路段ID或采集时间分组切分，才能评估模型对新路面的泛化能力。另一个实战操作是把无裂缝图像按20%到30%比例混进训练集，让模型见过足够多的负样本，降低标线和路缘石的误报。

3. 基于 U-Net 的路面裂缝检测识别系统训练与推理

3.1 轻量 U-Net 的最小可运行结构

路面裂缝是低对比度小目标，完整模型结构可以很轻。与原始U-Net从64通道起步不同，我一般从32通道起步，减少显存占用并加快迭代。最小核心结构如下：

import torch import torch.nn as nn class DoubleConv(nn.Module): def __init__(self, in_ch, out_ch): super().__init__() self.conv = nn.Sequential( nn.Conv2d(in_ch, out_ch, 3, padding=1), nn.BatchNorm2d(out_ch), nn.ReLU(inplace=True), nn.Conv2d(out_ch, out_ch, 3, padding=1), nn.BatchNorm2d(out_ch), nn.ReLU(inplace=True), ) def forward(self, x): return self.conv(x) class UNet(nn.Module): def __init__(self, in_ch=3, out_ch=1): super().__init__() self.enc1 = DoubleConv(in_ch, 32) self.enc2 = DoubleConv(32, 64) self.enc3 = DoubleConv(64, 128) self.pool = nn.MaxPool2d(2) self.bridge = DoubleConv(128, 256) self.up3 = nn.ConvTranspose2d(256, 128, 2, stride=2) self.dec3 = DoubleConv(256, 128) self.up2 = nn.ConvTranspose2d(128, 64, 2, stride=2) self.dec2 = DoubleConv(128, 64) self.up1 = nn.ConvTranspose2d(64, 32, 2, stride=2) self.dec1 = DoubleConv(64, 32) self.outc = nn.Conv2d(32, out_ch, 1) def forward(self, x): e1 = self.enc1(x) e2 = self.enc2(self.pool(e1)) e3 = self.enc3(self.pool(e2)) b = self.bridge(self.pool(e3)) d3 = self.dec3(torch.cat([self.up3(b), e3], dim=1)) d2 = self.dec2(torch.cat([self.up2(d3), e2], dim=1)) d1 = self.dec1(torch.cat([self.up1(d2), e1], dim=1)) return self.outc(d1)

padding=1让卷积不改变特征图尺寸，编码器和解码器在concat时尺寸对齐；最后一层输出单通道logits，在损失函数里做sigmoid，不要在这里提前做阈值化。三层下采样的感受野对于288×288输入足够覆盖裂缝周围的纹理区域；若用512×512输入，可以保持相同深度，不必再加池化层。

3.2 损失函数与评价指标怎么配

这类分割任务常用bce加dice的组合，下面这段可以直接用：

import torch.nn.functional as F def dice_loss(pred, target, smooth=1e-5): p = torch.sigmoid(pred) intersection = (p * target).sum() union = p.sum() + target.sum() return 1 - (2 * intersection + smooth) / (union + smooth) def combined_loss(pred, target): bce = F.binary_cross_entropy_with_logits(pred, target) return bce + dice_loss(pred, target)

smooth=1e-5只是防除零，不要设成0.1这类大值，否则小目标裂缝的梯度会被平滑项稀释。intersection用概率与二值标签相乘得到，相当于软统计，比硬阈值方式更平滑，训练早期不会因为一个像素的翻转带来剧烈梯度。

训练过程中别只看loss，分割任务要同时看IoU和F1，这两个指标才能反映细裂缝召回情况：

def prediction_metrics(pred_mask, gt_mask, thr=0.4): p = pred_mask > thr inter = (p & gt_mask).sum() union = (p | gt_mask).sum() iou = inter / max(float(union), 1e-6) f1 = 2.0 * inter / max(float(p.sum() + gt_mask.sum()), 1e-6) return iou, f1

pred_mask > thr产生布尔数组后直接做位运算；max(..., 1e-6)是为了防止全零mask出现除零。评估用的阈值需要和后续推理保持一致，最好在验证集上先用0.3到0.5之间搜索F1最高点，再固定为报告阈值。

3.3 训练参数表与收敛观察点

一个最小训练命令如下，参数含义落在表里：

python train.py --data crack_data --img-size 288 --batch-size 16 --epochs 100 --lr 1e-3

这里要特别提醒：前10到20个epoch的验证IoU波动很正常，不用急着调参；如果10个epoch内F1一直贴着0，优先检查标签对齐和数据集切分，而不是模型结构。另一个高频问题是验证时用固定阈值0.5，而推理时实际用0.35到0.45，前后不一致导致报告的指标不可信。

提示：prediction_metrics里的thr要和实际推理阈值为同一个值，评估脚本里不要写第二份阈值逻辑，减少维护成本。

3.4 推理脚本：滑窗切图与重叠拼接

整图resize到288在4K图上会丢掉细裂缝，推理时我一般用滑窗切图、重叠拼接平均。核心逻辑如下：

import cv2 import numpy as np import torch def pred_patch(model, patch, device): t = torch.from_numpy(patch).permute(2, 0, 1).unsqueeze(0).float() / 255.0 with torch.no_grad(): out = torch.sigmoid(model(t.to(device))) return out.squeeze().cpu().numpy() def tile_infer(model, image, device, tile=512, stride=384, thr=0.4): h, w = image.shape[:2] pad_h = (tile - h % tile) % tile pad_w = (tile - w % tile) % tile if pad_h or pad_w: image = cv2.copyMakeBorder( image, 0, pad_h, 0, pad_w, cv2.BORDER_REFLECT) H, W = image.shape[:2] prob = np.zeros((H, W), dtype=np.float32) weight = np.zeros((H, W), dtype=np.float32) ys = list(range(0, H - tile, stride)) + [H - tile] xs = list(range(0, W - tile, stride)) + [W - tile] for y0 in ys: for x0 in xs: patch = image[y0:y0 + tile, x0:x0 + tile] prob[y0:y0 + tile, x0:x0 + tile] += pred_patch(model, patch, device) weight[y0:y0 + tile, x0:x0 + tile] += 1 valid = weight > 0 prob[valid] /= weight[valid] mask = (prob > thr).astype(np.uint8) return mask[:h, :w]

stride小于tile是刻意制造重叠区，重叠处多次平均后可以避免分块边界出现明显接缝。ys和xs末尾追加H - tile和W - tile，是为了保证图像尾部不会被漏掉。对细裂缝建议tile=512, stride=384；对龟裂等大块病害，可以把stride提高到tile - 64，减少重复计算。BORDER_REFLECT用于填充边缘，最后mask[:h, :w]把填充部分裁掉。

4. 路面裂缝检测识别系统的后处理与 zip 交付工程

4.1 骨架提取与裂缝长度、平均宽度统计

养护业务要的长度、宽度不能从概率图直接读，需要先做骨架提取。骨架的每个白点可以理解为长度方向上的一个像素，把骨架点计数作为长度像素数，再除以裂缝面积，得到平均宽度的像素值。

import cv2 import numpy as np def crack_metrics(mask, pixel_per_mm=5.0): binary = (mask > 0).astype(np.uint8) * 255 skeleton = cv2.ximgproc.thinning(binary) length_px = int((skeleton > 0).sum()) area_px = int((binary > 0).sum()) avg_width_px = area_px / max(length_px, 1) return { "length_mm": length_px / pixel_per_mm, "area_mm2": area_px / (pixel_per_mm ** 2), "avg_width_mm": avg_width_px / pixel_per_mm, }

cv2.ximgproc.thinning需要安装opencv-contrib-python，普通的opencv-python里没有 ximgproc 模块。pixel_per_mm来自相机标定，常见路面检测相机在3米拍摄高度下约为3到8像素/毫米，它不是固定值，需要在现场用棋盘格或已知尺寸的标定线换算。面积除以长度得到的是平均宽度，如果裂缝分叉很多，骨架长度会被展开，平均宽度会比主缝实际值偏小，这时最好额外统计宽度分布而不是只看均值。

4.2 形态学后处理的三个常用参数经验

分割输出直接过骨架提取会带出大量噪点，后处理顺序建议先开运算去掉孤立点，再按连通域过滤小目标，最后闭运算连接断缝。顺序不能颠倒，先做闭运算会把小噪点也连进裂缝区域。

处理时可以与推理阈值联动：当推理阈值在0.35附近时，误检点多，开运算kernel选大一些，比如5×5或7×7；当阈值在0.45以上时，误检点少，kernel退回到3×3。业务只关注长度超标的裂缝时，也可以在连通域阶段加一个长度下限，少于20像素的目标直接丢弃，减少后续骨架计算量。

4.3 用 zip 把模型、配置与脚本打成可交付包

现场环境常常断网，或不允许git clone，因此zip是更常见的交付载体。交付前在干净目录里收拢模型权重、配置和推理脚本，不要把训练数据也打包进去。打包流程如下：

mkdir -p crack_system/{model_weight,config,scripts} cp exp/best_model.pt crack_system/model_weight/ cp config/inference.yaml crack_system/config/ cp infer.py crack_system/scripts/ find crack_system -name "__pycache__" -type d -exec rm -rf {} \; zip -r crack_system_v1.0.zip crack_system

zip -r递归压缩目录；加-0可以关闭压缩，模型权重本身已经是压缩格式，现场解压速度要求高时，关闭压缩能明显缩短搬迁时间。交付包内要带requirements.txt，torch、opencv-contrib-python等包版本至少锁主版本，避免现场和训练环境行为不一致。

目标机安装和部署可以一条命令链走完：

python -m venv venv source venv/bin/activate pip install -r requirements.txt unzip -q crack_system_v1.0.zip -d /opt/crack_system cd /opt/crack_system/scripts && python infer.py --config ../config/inference.yaml

unzip -q减少输出，-d指定解压目录；脚本建议接受--config参数而不是把路径硬编码，同一个zip给多个项目用时只需替换配置文件。如果现场完全隔离，不能在线pip install，就在有网环境用pip download -r requirements.txt -d wheels/拉取依赖，再把 wheels 目录一并打包。

提示：中文文件名在zip里出现乱码时，优先检查解压工具的编码设置；在Linux下用zip命令打包默认按UTF-8写入，Windows老式资源管理器可能显示异常，但解压后路径不影响程序读取。

4.4 解压失败与运行报错的几个排查点

现场最常见的几类错误，按优先级排查：

第一，invalid zip archive: could not find eocd提示压缩包尾部缺少结束记录，通常是传输过程中文件被截断或磁盘写入中断。先执行unzip -t crack_system_v1.0.zip测试完整性，如果报错，重新从打包机拷贝。大文件存放时间较长再出现该报错时，还要检查存储介质，别只重传一次就完事。

第二，解压顺利但import cv2报错。这多半是现场装了opencv-python，而脚本使用了cv2.ximgproc；解决方式是改装opencv-contrib-python。如果项目还引用了cv2.dnn等模块，也要注意两个包的版本差异。

第三，zip设了密码的情况下，现场运维往往不知道把密码放在配置还是环境变量里，且zip密码暴力破解成本低。敏感模型不建议依赖zip加密，更稳妥的是在权重加载处增加授权校验，让交付包即使被复制也无法直接使用。这样既绕开密码管理，也让模型保护逻辑更可控。

5. 路面裂缝检测识别系统的现场量化验证与迭代技巧

5.1 按路段输出验证表

现场验证不等于看几张可视化图，要让脚本扫完测试集，输出每张图的IoU、F1、预测裂缝长度和标注长度，再按路段聚合。常见验证命令如下：

python eval.py \ --images test/images --masks test/labels \ --thr 0.4 --out result/

result/下会生成metrics.csv，每行包含图像编号、路段ID、F1、IoU、预测长度和标注长度。统计时要按路段而不是按图像取平均，避免同一次采集序列的重复图像抬高指标。若某路段F1明显低于整体，先确认它是否和训练集同一路段相邻帧，如果是，那就是光照或拍摄角度产生了新分布，应该把这批数据追加进训练集而不是改测试集。

5.2 逆光阴影下的预处理技巧

树影和逆光造成的低对比度区域，分割模型常出现碎块漏报。推理前对原图做一次CLAHE增强，能明显改善裂缝与背景的对比度，代价是噪声也会增强。预处理代码如下：

img = cv2.cvtColor(bgr_img, cv2.COLOR_BGR2LAB) l, a, b = cv2.split(img) clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) l = clahe.apply(l) img = cv2.cvtColor(cv2.merge([l, a, b]), cv2.COLOR_LAB2BGR)

clipLimit=2.0在保持路面纹理的同时提升对比度；雨天高噪声时可以降到1.5，否则噪声颗粒会被放大成伪裂缝。如果模型训练时已经加入亮度扰动和随机gamma，现场不一定需要这套预处理，需要把有无CLAHE的指标对比后再决定是否保留。

同一套模型跑不同路段时，建议按路段分别存推理阈值：阈值0.35适合细裂缝多、误报容忍度高的路段，0.45适合标线清晰、要求减少人工复核量的路段。推理脚本读取图像所属路段ID后选用对应阈值，而不是全局只用一个值。每次现场复测后，把低于阈值的路段图像和对应的指标写回训练集清单，在下一次迭代时按路段追加训练，不要做全局随机切分。

本文还有配套的精品资源，点击获取