近日，重庆交通大学交通土建工程材料国家地方联合工程研究中心与新加坡国立大学、香港理工大学、法国古斯塔夫·埃菲尔大学、哈尔滨工业大学等合作单位，在国际期刊《Computer-Aided Civil and Infrastructure Engineering》在线发表题为“CFDSLite-UNet: A lightweight algorithm for pavement raveling distress detection with efficiency and accuracy synergistic improvement”的研究论文。该论文由彭毅副教授（一作）、硕士研究生何轩亮（二作）、何玉林（共同通讯，新加坡国立大学）、Ghim Ping Ong（王锦彬，共同通讯，新加坡国立大学）以及国内外多位研究人员共同完成。
论文首页：CFDSLite-UNet轻量化路面麻面病害检测与分级研究
研究背景
麻面是沥青路面常见的早期损坏形态，通常由沥青剥落、集料松动与沥青混合料流失逐步发展而来。它不仅削弱路面抗滑性能和行驶舒适性，还可能加速其他结构性路面病害的发生。对麻面区域进行快速、精准、可量化的识别，是道路工程数字化养护决策和智能驾驶环境感知的重要基础。
传统路面病害检测主要依赖人工巡检和二维图像分析，容易受到检测效率、主观经验、环境光照及拍摄角度等因素影响。近年来，三维激光纹理成像与深度学习技术为路面微观病害检测提供了新的技术路径。然而，三维纹理数据具有数据量大、空间相似度高和病害边界弱等特点，现有深度学习模型也普遍存在参数量大、计算成本高、小尺度特征易丢失以及移动端部署困难等问题，难以兼顾检测精度与计算效率。针对上述挑战，本研究融合三维激光纹理成像、图像增强与轻量化深度学习技术，提出CFDSLite-UNet麻面病害分割与分级方法，以实现路面微细病害检测效率和精度的协同提升。
论文内容
本研究提出了一种兼顾检测精度与计算效率的轻量化CFDSLite-UNet病害分割与分级方法。首先，利用精度0.01mm便携式三维激光扫描开展为期6个月的现场监测，采集745幅分辨率为2592×2048的路面三维纹理图像，并通过旋转、翻转及无效图像清洗等方式将数据集增强扩充至1600幅；采用限制对比度自适应直方图均衡、数值插值、固定阈值分割和形态学开闭运算增强纹理细节、抑制孤立噪声和修复病害边界，结合人工标注构建高质量病害标签。在此基础上，利用VGG16网络完成麻面病害识别，并以U-Net为基础，引入深度可分离卷积替代传统卷积，采用双线性插值替代转置卷积，同时结合跳跃连接和Adam优化器，构建CFDSLite-UNet轻量化分割模型。深度可分离卷积通过解耦空间特征提取与通道信息融合显著压缩模型参数，双线性插值则利用邻域加权平滑上采样减少棋盘格伪影，提高弱边界区域的连续性与集料脱落轮廓的重建精度。研究结果表明，改进的CFDSLite-UNet模型参数量由31.03 M降至3.56 M，减少约88.5%，浮点运算量由1747.51 G降至212.40 G，平均处理帧率提高17.25%；其mIoU、精确率、召回率、F1值和像素准确率分别达到0.946、0.968、0.976、0.972和0.996，单幅图像完整处理时间约为25.99 ms。进一步结合病害像素面积换算和工程规范，将麻面划分为轻度（＜6.75 cm²）、中度（6.75～8.5 cm²）和重度（＞8.5 cm²）三个等级，5组样本的面积预测误差均低于5%。该方法实现了麻面病害识别、精细分割、面积计算与等级评价的一体化，可为路面病害快速检测、数字化基础设施监测和养护决策提供轻量化、高精度的技术支撑。
图1 路表纹理深度图像采集与输出
图2 轻量级改进的CFDSLite-UNet算法架构
图3 图像增强输出结果
图4 CFDSLite-UNet的综合指标比较
图5 计算出的损害区域与面积统计
图6 模型改进前后评估指标的变化
引用格式
Peng, Y., He, X., Lim, S. M., He, Y., Kong, L., Zhu, H., Yu, X., Weng, Z., Ong, G. P., Leng, Z., Kane, M., & Wang, D. (2026). CFDSLite-UNet: A lightweight algorithm for pavement raveling distress detection with efficiency and accuracy synergistic improvement. Computer-Aided Civil and Infrastructure Engineering, 49,100157. https://doi.org/10.1016/j.cacaie.2026.100157
作者简介
第一作者｜彭毅
副教授，博/硕导，中国公路学会会员，重庆市科技局入库专家，《Intelligent Transportation Infrastructure》、《长安大学学报（自然科学版）》、《交通科学与工程学报》、《公路工程》等期刊青年编委，长期从事道路工程智能建养研究工作。聚焦路面病害智能检测与养护、路面湿滑智能预警与防控关键科学问题，主持多项国家省部级科研项目。一作/通讯发表SCI/EI论文 30余篇，出版学术专著1部，授权发明专利7项、实用新型及软件著作权多项。获2025年中国公路建设行业协会科技进一步一等奖，2024年交通运输协会科技进步一等奖。指导学生获第二十届全国大学生交通运输科技大赛总决赛一等奖、2024年全国高校商业精英挑战赛创新创业竞赛总决赛一等奖、第十五届“挑战杯”中国大学生创业计划竞赛重庆赛区特等奖、挑战杯“大学生创新训练项目”国家级立项；1门课程获评重庆市一流本科课程以及重庆市高校一流本科课程示范案例。中国公路学报,交通运输工程学报, Construction and Building Materials, IEEE Sensors, ENGINEERING Structure and Civil Engineering, Results in Engineering, Road Materials and Pavement Design, International journal of pavement engineering, Surfaces and Interfaces, Journal of Transportation Engineering, Part B: Pavements, Journal of Testing and Evaluation, Scientific Reports, Intelligent Transportation Infrastructure等期刊审稿人。邮箱：dawsonyp@cqjtu.edu.cn。
第二作者｜何轩亮
重庆交通大学2024级硕士研究生，交通运输专业，主要从事计算机视觉、道路病害智能检测与荧光图像分割等研究工作。曾获第二届全国道路基础设施服役性能大数据分析大赛三等奖、中国国际大学生创新大赛校赛二等奖及三等奖、重庆交通大学硕士研究生二等奖学业奖学金等荣誉。参与多项科研项目，并以共同作者身份发表多篇学术论文。邮箱：hxl@mails.cqitu.edu.cn。
共同通讯作者｜何玉林
何玉林，新加坡国立大学研究员(Research Fellow)，香港理工大学博士后（2024-2025）、哈尔滨工业大学博士毕业生，中关村公路养护产业联盟西部联盟成员、ASCE/中国公路协会会员/IACIP的会员，《材料导报》、《材料研究学报》青年编委。获省部级/协会科技奖3项，主持科研项目3项，发表SCI/EI/Scopus学术论文近45篇（一作&通讯16篇），授权/合作专利10余项，参与著作2部，参与行业/团体规范3部。研究方向为路面抗滑与安全驾驶控制、绿色环保与功能性路面材料、智能驾驶车/路协同、胎/路磨耗污染物与清洁处理等。邮箱：yulin.he@nus.edu.sg。
共同通讯作者｜Ghim Ping Ong（王锦彬）
Prof. Ghim Ping Ong（王锦彬），工学博士，现任新加坡国立大学（NUS）土木与环境工程系研究与企业事务副主任、岩土工程与交通运输工程学科负责人，NUS海岸防护与防洪研究所（CFI）运营总监。兼任新加坡道路安全理事会（SRSC）副主席，新加坡路面工程学会副会长，美国土木工程师学会（ASCE）、美国材料与试验协会（ASTM）、东亚交通运输研究学会（EASTS）及世界交通运输大会（WTC）等国际权威组织科学委员会委员。同时担任《Cleaner Materials》《International Journal of Transportation Science and Technology》《Journal of Road Engineering》等多本国际知名期刊的副主编或编委。研究方向包括：智能道路基础设施、低机动车化城镇交通系统、新一代海港与机场、基于循环经济的可持续路面工程、多模式基础设施建设与运营管理。发表SCI收录论文120余篇，国际会议论文及报告140余篇。学术成果获得ASCE Alfred Noble Prize、IAME Hanjin Prize、OCDI Takeuchi Yoshio Award，以及iSMARTi Early Career Award和iSMARTi Achievement Award等多项奖项。深度参与了新加坡Tuas超级港口、樟宜国际机场东部发展区及Woodlands关卡等大型基础设施项目。研究成果已被新加坡樟宜机场集团、新加坡国防科技局、盛邦裕廊基础设施有限公司、环球海事港口服务有限公司及韩国海事研究院等多家机构采纳应用。邮箱：ceeongr@nus.edu.sg。
共同作者
本文作者包括Yi Peng（彭毅）、Xuanliang He（何轩亮）、Sin Mei Lim、Yulin He（何玉林）、Lingyun Kong（孔令云）、Hongzhou Zhu（朱洪洲）、Xinyi Yu（余欣怡）、Zihang Weng（翁梓航）、Ghim Ping Ong（王锦彬）、Zhen Leng（冷真）、Malal Kane和Dawei Wang（王大为）。