數字全息檢測系統已用于多條高速

目前，數字全息智能檢測系統已在廣東多條高速公路瀝青路面預防性養護工程中應用，應用結果顯示，該套系統準確地計算出了構造深度、縱坡度、橫坡度等數據，為瀝青路面預防性養護提供了更加精確的工程量計算標準。

路面預防性養護車轍處治工程量精確計算

在廣東省廣韶高速公路的瀝青路面預防性養護工程中，養護人員在不同路段采用數字全息智能檢測技術開展檢測，并對其進行三維數據建模，實施路段共計8400米。

其中，三維路面車轍的側視圖，采用模擬三米直尺法來獲取車轍的代表值；車道左、右輪跡車轍數值模型，采用模擬人工三米直尺法量測，并取左、右輪跡車轍的最大值為該測量段路的車轍代表值。根據計算，該測量路段的車轍代表值為13.013毫米。

廣韶高速公路某橫向3.75米、縱向1米的路段三維路面車轍展示效果。

廣韶高速公路某橫向3.75米、縱向10米路段的路面三維車轍展示效果。

三維路面車轍側視圖

三維路面車轍體積計算模型圖

依據《公路技術狀況評定標準》（JTG 5210—2018）中關于車轍評價標準分類，該路段的路面車轍狀況為良好。按照現行《公路瀝青路面預防養護技術規范》，此類車轍建議采用微表處填補車轍或薄層罩面法進行修復。

養護人員模擬罩面位置，計算出該路段車轍養護所需要的瀝青混合料總攤鋪量。項目施工完成后，經驗證，基于三維數據模型所計算的模擬用量與實際養護施工中的工程用量吻合度較高，誤差小于5%。

基于數字全息的路面構造深度檢測及數據應用

為了解廣東某高速公路隧道瀝青路面抗滑磨耗情況，技術人員采用基于數字全息的智能檢測系統采集了該隧道路段的瀝青路面鋪裝構造深度，并評估了路面的磨耗情況。

某高速公路隧道路段主車道不同位置（左輪跡、車道中間、右輪跡）構造深度分布圖

該隧道路段主車道不同位置路面構造深度分布圖顯示，無論左、右輪跡處，還是車道中間部位，路面構造深度的分布趨勢基本保持一致。但該隧道路段不同方向主車道路面磨耗程度整體較為嚴重，且A方向較B方向更為明顯，這也是造成該路段路面抗滑橫向力系數下降的重要原因。

為了能更好地復核該隧道內瀝青路面的真實狀況，養護人員選取了任意位置的三維圖進行分析。從三維圖中可以看出，隧道內瀝青路面地表面顆粒構造分布的確不均勻，再次驗證了路面表面磨損較為嚴重的事實。

隧道內部路段任意位置構造深度三維精細化數據

某高速公路隧道A、B方向主車道路面磨耗數據對比

廣東某高速公路路面三維縱坡數據模型展示圖

廣東某高速公路三條車道的路面橫坡三維數據展示圖

路面連續性縱、橫坡度三維數據展示及應用

對于道路維修養護工程，尤其是預防性養護工程來說，路面的平面線形一般是固定不變的，工程技術人員更多需要關注的是路面縱、橫坡度的局部變化。路面縱、橫坡度的局部不斷變化，不僅關系到車輛行駛的舒適性，也會影響到車輛的行駛安全。此外，路面縱、橫坡度局部不順暢，往往會導致路面長期積水或滲水，直接影響瀝青路面的使用壽命，同時還將給預防性養護薄（超薄）層罩面厚度方案的選擇，以及施工質量的控制帶來嚴峻的考驗。

以往，路面的縱、橫坡度一般通過水準儀、全站儀等工程測量的方式來獲取。然而，傳統的工程測量方式主要依靠人工現場操作，不僅效率低，而且選點連線，無法展示連續性任意斷面縱、橫坡度。正是這些原因，導致路面養護工程尤其是大面積的預防性養護工程中，路面縱、橫坡度往往被忽略。

數字全息檢測技術的應用，使得路面任意斷面縱、橫坡度的數值獲取變得非常容易。在廣東某高速公路上，技術人員采用數字全息檢測系統檢測了超車道、主車道、慢車道三條車道，并將三條車道的數據縫合得出一個整體數據，在整體數據的基礎上，可以非常方便地計算出任意斷面的路面縱、橫坡度，這為該條高速公路的瀝青路面預防性養護設計和施工質量控制提供了重要的數據支撐。

基于數字全息三維數據的病害識別應用

路面病害的自動化檢測和識別一直是公路路面養護的難點和痛點。目前，我國公路行業路面自動化檢測設備已基本普及，但現有檢測設備采集的大多為路面病害的二維圖像，需要依靠大量的人工進行路面病害圖像的輔助識別和分類，不僅效率不高，而且技術人員的責任心不足或視覺疲勞等因素，導致出錯率長期居高不下。

人工智能的飛速發展讓路面病害的自動化準確分類識別成為可能。基于數字全息技術的數字全息檢測系統建立了基于人工智能的三維路面病害識別系統。傳統的二維路面紋理圖只能識別裂縫類等病害，而三維路面深度圖可準確識別變形類（擁包、坑槽、車轍等）病害。目前，北京某條城市道路和廣東廣韶高速公路都已經應用了三維路面病害識別系統。

基于已有的三維數據分析得出，采用深度神經網絡算法的智能識別技術，病害識別準確率高達95.75%，而錯誤率僅有1.8%。眾所周知，智能識別技術的成功取決于數據集的質量和數量。因此，如果要進一步提高智能識別技術的路面病害識別準確率，首先要建立高質量的三維路面病害數據集，人工界定病害類型，并在實際檢測中不斷增加數據集樣本數量，通過訓練逐漸提高智能識別算法的效率和準確率。

三維路面坑槽病害

三維路面車轍病害

三維路面長裂縫-縱向裂縫