中国高速公路的发展引起了全世界的关注,同时道路护养的压力也与日俱增,使得传统的路面破损人工目测检测无法满足需求,人工方法存在效率低、安全性不高等问题,因此,迫切需要一种高效的、高智能化的路面检测装置用于检测路面破损检测。随着计算机视觉技术的发展,许多研究人员提出了路面破损的智能检测方法,并对其进行了系统的开发。本文根据现有方法与系统的不足,以路面破损中的路面裂缝为例,将裂缝分为横向、纵向、块状和龟裂四类,提出了一种实时在线的路面裂缝和位置检测系统,该系统通过图像处理识别技术来初步判定采集的路面图像是否存在裂缝,应用北斗导航系统进行裂缝定位,并通过移动通信系统实现裂缝图片和位置信息进行实时传输,最后结合当前非常热门的人工智能理论,通过卷积神经网络对裂缝进行精确的识别分类。整个系统分上位机和下位机两部分,下位机主要采用FPGA加以实现,裂缝图片信息和定位信息通过4G传输模块传输到上位机,系统上位机软件显示裂缝图片、裂缝类型、位置和地图标注等信息。本文完成的主要任务包括:(1)对采集的路面图像在FPGA上做预处理,并对Sobel边缘检测算子进行了改进。根据现有的图像预处理算法,对采集的裂缝图像进行图像滤波降噪、采用改进的Sobel边缘检测算法进行图像分割,得到图像的二值化边缘信息,然后进行形态学上的膨胀腐蚀算法进一步处理,得到理想的裂缝边缘轮廓信息,最后对图像的投影特征进行计算,根据不同阈值来初步对裂缝进行检测与分类。(2)通过FPGA控制整个下位机系统,获取北斗定位信息,控制4G传输模块实现图像数据的传输以及驱动LCD实现检测结果的本地显示,编写上位机实现下位机上传数据的保存和接收。(3)对基于机器学习的图像分类算法进行深入的研究,比较了各种分类算法的性能优劣,自定义了裂缝图像数据集,针对本文的需求修改了VGG卷积神经网络结构,最后通过卷积神经网络对接收到的图像进行进一步的精确识别和分类,提高了识别分类的正确率。