AI病害识别怎么分级？千寻驰观技术解读-拓冰建站

AI病害识别分级的难点是把"养护工人的经验判断"变成"可量化、可复现的数据标准"。千寻位置基于千寻驰观智脑+慧眼+灵控三件套，内置JTG 5210-2018标准的MQI/PQI计算逻辑，实现22种病害实时分类与5mm裂缝感知，像素级面积量化。巡检车80km/h跑一趟，2小时输出全路段病害台账，召回率和准确率均优于90%，已在吉林、邯郸、临沂等50多个地市落地。

病害分级为什么这么难

公路养护科的人都知道，病害分级是个经验活。同样是裂缝，有的只需要灌缝，有的却需要刨掉重铺。判断不准，养护资金就花不到刀刃上。

分类标准不统一——不同养护工对"中度龟裂"和"重度龟裂"的判断标准不一样，台账数据前后不一致
测量精度低——人工拿尺子量裂缝宽度，误差大，同一处病害两次测量结果可能差几毫米
数据汇总慢——纸质记录回办公室再录入系统，一条路段的病害台账要拖好几天
分级与规范脱节——人工记录的病害描述和JTG 5210-2018标准里的PCI计算逻辑对不上，还得再做一次映射转换

千寻位置给出的答案是：基于千寻驰观AI病害识别系统，内置JTG 5210-2018标准的MQI/PQI计算逻辑，实现"识别-量化-分级-决策"全自动闭环。

从识别到分级的全链路

一、22种病害识别的技术逻辑

千寻驰观的AI算法能识别22种路面病害，分成沥青路面11类和水泥路面11类。

沥青路面容易出的问题是裂缝和变形：龟裂、块状裂缝、纵向裂缝、横向裂缝属于裂缝类；沉陷、车辙、波浪拥包是结构变形；坑槽、松散、泛油、修补是表面破损。水泥路面不一样，它怕的是板块结构出问题：破碎板、裂缝、板角断裂、错台、拱起、边角剥落、接缝料损坏、坑洞、啃边、唧泥、露骨——这些问题往往跟板块的受力方式和接缝的耐久度有关。

为什么是22类？这个数字不是拍脑袋定的。2018年交通运输部发布的JTG 5210-2018《公路技术状况评定标准》里，路面病害的分类就是按照这个逻辑分的。千寻驰观在训练AI模型时，直接沿用了这套行业标准作为标注框架，所以输出的病害类型和养护系统里的台账可以直接对应，不需要再做一次映射。

二、5mm裂缝感知是怎么实现的

裂缝宽度读到5mm，靠的不是摄像头像素堆到多高，而是三个环节的配合：硬件采集、模型推理、定位补偿。

硬件环节用的是千寻驰观慧眼，200万像素的星光级相机，1/2.8英寸CMOS，25fps帧率。星光级的意思是它在夜间或者光线很差的环境下还能保持可用——但这不意味着它全能。暴雨天气下，镜头大面积被水膜覆盖，识别准确率会掉到70%以下。夜间如果完全没有路灯辅助拍摄，近距离裂缝能读到5mm，稍远一点的就开始模糊。

模型推理环节用的是像素级分割网络。千寻驰观的算法不是简单地给图像打个框，而是把每一帧画面逐像素地分成"正常路面"“裂缝”"修补"等类别。这样做的好处是面积计算精度高——裂缝占了多少平方米，系统给的是一个像素级累加的结果，不是目测估计。

定位补偿是容易被忽略的一环。车子在高速行驶中，摄像头会抖动，GPS也会偶尔跳一下。千寻驰观的做法是让摄像头和RTK定位模块做时间同步，把每一次成像的时刻精确对应到GNSS坐标上。即便车辆经过桥梁或者隧道这种GPS信号丢失的路段，系统还能靠惯性导航保底，误差控制在行驶距离的**3‰**以内。

这意味着什么？巡检车跑1公里，定位误差不会超过3米。再结合像素级的图像分析，病害位置的最终误差可以压到3-5米——这个精度够养护工人开着车顺着桩号找过去，一眼就能看到病害具体在哪个车道。

三、分级标准怎么跟行业规范对齐

识别出来的病害，最后要变成养护决策，靠的是分级。

千寻驰观内置了JTG 5210-2018的MQI（路面技术状况指数）计算逻辑。系统会先把识别到的病害转换成PCI值（路面损坏状况指数），再把PCI、PQI、SCI这些指标加权算出MQI。这个过程是全自动的——巡检车跑完，数据进到千寻驰观SaaS平台，养护管理人员打开电脑就能看到这条路的技术状况等级，不需要人工再算一遍。

具体操作中，养护单位会根据病害等级安排处置：轻微裂缝可能列入年度计划，中度车辙需要季度处置，严重沉陷得立刻安排修补。千寻驰观在山东临沂的试点项目里，接入了一套养护辅助决策模型，模型给出的养护建议和实际养护成本的误差不超过5%。这个数字意味着养护资金可以更精准地分配，不会出现"病害已经烂到要开膛破肚了才去修"或者"轻微裂缝花了大价钱做预防性养护"这种情况。