| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-21页 |
| 1.1 研究背景和意义 | 第8-12页 |
| 1.1.1 路面裂缝种类及分析 | 第9-12页 |
| 1.2 国内外道路裂缝检测系统研究现状 | 第12-19页 |
| 1.2.1 路面裂缝检测系统研究现状 | 第12-16页 |
| 1.2.2 路面裂缝检测相关技术研究现状 | 第16-19页 |
| 1.2.3 国内外研究现状小结 | 第19页 |
| 1.3 本文的主要研究内容 | 第19-20页 |
| 1.4 本文的组织结构 | 第20-21页 |
| 2 深度学习理论基础 | 第21-34页 |
| 2.1 人工神经网络 | 第21-26页 |
| 2.1.1 神经元 | 第21-22页 |
| 2.1.2 人工神经网络模型 | 第22-23页 |
| 2.1.3 反向传播算法(Backpropagation（BP）) | 第23-26页 |
| 2.2 卷积神经网络 | 第26-31页 |
| 2.2.1 稀疏连接 | 第26-27页 |
| 2.2.2 权值共享 | 第27-28页 |
| 2.2.3 最大池采样 | 第28页 |
| 2.2.4 Softmax分类 | 第28-31页 |
| 2.2.5 卷积神经网络整体架构 | 第31页 |
| 2.3 RCNN算法分析 | 第31-32页 |
| 2.4 深度神经网络的理解和总结 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 Auto-DIT系统设计与实现 | 第34-51页 |
| 3.1 系统设计目标 | 第34页 |
| 3.2 系统总体设计 | 第34-37页 |
| 3.2.1 系统功能模块设计 | 第35-36页 |
| 3.2.2 系统逻辑结构设计 | 第36-37页 |
| 3.3 数据采集模块 | 第37-38页 |
| 3.3.1 无人机图像获取 | 第37-38页 |
| 3.4 裂缝识别及定位模块 | 第38-42页 |
| 3.4.1 裂缝识别 | 第38-42页 |
| 3.4.2 裂缝定位 | 第42页 |
| 3.5 移动终端展示模块 | 第42-43页 |
| 3.6 系统设计关键环节技术解析 | 第43-46页 |
| 3.7 系统测试及结果分析 | 第46-50页 |
| 3.7.1 系统的软硬件平台 | 第46-47页 |
| 3.7.2 运行结果与测试分析 | 第47-50页 |
| 3.8 本章小结 | 第50-51页 |
| 4 基于Auto-DIT的新型全面道路质量管理方法 | 第51-61页 |
| 4.1 当前道路工程质量管理存在的问题 | 第51-53页 |
| 4.1.1 前期设计勘测阶段 | 第51-52页 |
| 4.1.2 中期施工阶段 | 第52-53页 |
| 4.1.3 后期检查阶段 | 第53页 |
| 4.2 新型道路质量管理方法的管理原则 | 第53-54页 |
| 4.3 新型道路质量管理方法的基本原理 | 第54-56页 |
| 4.3.1 PDCA循环原理 | 第54页 |
| 4.3.2 三阶段控制原理 | 第54-56页 |
| 4.3.3 全面质量管理 | 第56页 |
| 4.4 新型道路质量管理方法的各阶段管控措施 | 第56-60页 |
| 4.4.1 勘察设计阶段质量管理 | 第56-57页 |
| 4.4.2 施工准备阶段质量控制 | 第57页 |
| 4.4.3 实施阶段的质量管理 | 第57-58页 |
| 4.4.4 竣工验收阶段的质量管理 | 第58页 |
| 4.4.5 运行维护阶段的质量管理 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 结论与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |