公路路网随着使用年限的增加,由于自然环境、车辆载荷等因素的影响,路基承载能力逐渐降低,道路质量逐步下降,导致裂缝、坑槽等道路病害出现,严重影响交通安全。及时、高效的路面病害检测与道路养护是保障车辆行驶安全、提高交通运输效率的重要手段。传统的人工检测方法存在效率低下、成本高昂,检测精度不足等多种问题,因此安全高效的自动化检测方法研究对提高我国交通运输质量、保障国民生产生活安全具有重要意义。为提高公路路面病害检测效率,本文针对基于计算机视觉技术的路面病害检测算法展开研究,分别提出了对于路面坑槽和裂缝的识别算法,实现了自动化路面病害缺陷检测功能,并自主设计了公路缺陷智能检测系统。具体研究内容如下。（1）提出以灰度差分阈值分割为核心的路面坑槽检测算法。针对路面图像中坑槽区域具有低亮度、灰度分布较分散的特性,提出灰度差分阈值分割算法进行候选坑槽区域的提取,对所提取候选坑槽区域使用基于图像信息熵的后处理算法修正提取结果,降低算法误检率。实验结果表明,所设计算法平均准确率达89.12%,可有效检出路面坑槽缺陷。（2）针对神经网络难以从数据量较少、较单一的路面裂缝图像中提取有效特征的局限性,设计了一种融合Gabor纹理特征的深度学习模型（Gabor Filter Convolutional Neural Network,GF-CNN）用于路面裂缝检测。GF-CNN模型首先通过CNN自适应选取Gabor滤波器组相关参数,提取Gabor纹理特征,再将纹理特征与浅层卷积特征通过注意力模型相融合,最后将融合特征输入至由残差模块构建的分类网络中,实现路面裂缝的判别分析。经实验验证,GF-CNN模型相较于其他常用检测方法具有更高的F1分数,对路面裂缝检测问题具有良好的适用性。（3）设计公路设施智能检测系统,实现路面病害检测功能。完成了包含视觉感知单元、同步照明单元、图像处理单元、GPS定位单元与电源供应单元的路面病害检测系统方案设计,以电动代步车为载体搭建了公路智能检测系统样车,实现了对路面信息的采集以及对本文所设计路面坑槽、裂缝检测算法的实验验证。