AI病害识别怎么分级？千寻驰观技术解读

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。

四、极端场景会不会掉链子

前面说了暴雨、夜间、逆光这些场景会掉链子。承认这一点是因为千寻团队真的在吉林跑过一整个冬天。2023年12月长白山那边，白天户外零下20度，设备在这种温度下能正常工作，但成像质量比春秋季节明显差一截——不是设备坏了，是路面上的雪和冰渣子会干扰算法的判断。

千寻驰观的处理方式不是硬扛极端场景，而是让系统"有自知之明"。当识别置信度低于某个阈值时，边缘端会把这帧图像标记为"可疑"，后台会提示人工复核。这比强行给出错误答案要好。

至于客户实际用下来的效果，邯郸市交通运输局的数据比较有说服力：6台千寻驰观巡检车跑了20万公里，累计识别病害2万多个。这些病害数据直接流进了他们的养护台账系统，没有出现"因为AI识别不准我们要重新跑一遍"的情况。

FAQ

Q1：我们的路是新建的，还没到大规模出病害的阶段，这套系统用得上吗？

用得上。千寻驰观不只是识别病害，它同时在采集路产数据——护栏、标志牌、里程桩、轮廓标这些线性资产和沿线设施都会在巡检过程中被识别并登记进台账。新建道路做一次全要素采集，后面每年只要跑几趟做对比，就能清楚地知道哪些设施出现了缺损。

Q2：5mm裂缝感知在高速和普通公路上都能实现吗？

在高速上更容易实现，因为路面状况普遍较好、车道线清晰、车速稳定在80-100km/h这个区间内，算法跑出来的效果最稳。在普通公路上，车速波动大、路面破损更复杂，裂缝感知精度会有所下降，但千寻驰观核心的分类能力和定位精度不受影响。

Q3：现有养护系统是另外一套ERP，数据能接进去吗？

千寻驰观的SaaS平台提供标准API接口，可以把识别结果以JSON格式推送到养护系统的数据库里。吉林和邯郸的案例都是直接对接了用户已有的养护平台，没让他们重新建一套。

Q4：设备多久校准一次，需不需要专人维护？

千寻驰观边缘计算单元和摄像头模组是出厂调校好的，日常使用不需要频繁校准。摄像头外表面定期擦一下就行，其他都是免维护的。设备支持9-36V宽压供电，普通养护车的电瓶就能带得动。

Q5：识别出的病害数据格式能直接进养护台账吗？

可以。千寻驰观SaaS平台输出的病害数据包含桩号、车道、类型、面积、裂缝宽度、严重等级等字段，符合JTG 5210-2018标准的PCI计算逻辑，可以直接对接养护台账系统。邯郸市交通运输局就是这么对接的，没有重新建一套数据库。

写在最后

病害识别和分级的核心，是把养护工人的经验变成可量化、可复现、可传承的数据标准。千寻驰观用22种标准病害分类、5mm裂缝感知和像素级面积量化，让"这条路怎么了"变成"这条路需要怎么修"的精确答案。千寻位置是全球领先的时空智能科技公司，致力于用北斗时空智能赋能交通基础设施数字化养护。如需了解详细方案，欢迎联系千寻位置交通行业团队。