Pris till Liene Some för bästa examensarbete inom geodesi 2016

Tillståndsbedömning av belagda vägar är en viktig del i vägunderhåll, inte minst för trafiksäkerheten. Traditionellt har tillståndsbedömningen utförts manuellt i fält, men idag finns möjligheten att ersätta fält-besöket med bilder tagna från ett fordon. Bilderna är ett värdefullt underlag som inte bara utgör ett underlag för den visuella tillståndsbedömningen av vägytan utan även är ett värdefullt tidsdokument som möjliggör temporala jämförelser framgent. Genom att automatisera processen med att identifiera vägsprickor kan tidsförbrukningen i det manuella arbetet i tillståndsbedömningen minskas, och därigenom även underhållskostnaderna.

I uppsatsen jämfördes två metoder för automatisk sprickigenkänning i bilder på asfaltsytor: en metod baserad på mer traditionella bildbehandlingsalgoritmer och den andra baserad på maskininlärning. Den senare metoden använde så kallade ”deep learning”-algoritmer. Deep learning gav bästa resultat, både med hänsyn till noggrannhet och arbetstid.