机场跑道日夜承载飞机的起飞与降落,使用过程中会出现异物和裂纹等缺陷,这些缺陷会对飞机起降带来安全隐患,定期及时地检测出机场跑道缺陷并进行跑道维护对民航飞行安全具有重大意义。机场跑道缺陷检测技术是检测跑道缺陷的关键,研究该技术具有理论和实际应用双重价值。目前,在运营中的机场跑道上难以短时间内采集到大量缺陷图像样本,且现有的检测算法在复杂路面纹理干扰下缺陷检测精度低。同时,在实际应用中采用巡检车载终端的方式进行检测,对危险等级高的缺陷检测有实时性要求。因此,本课题针对以上现状对缺陷检测算法进行研究,具体研究内容如下:首先,为了扩充缺陷图像样本数据,针对机场跑道图像数据集构建展开研究,对基于生成对抗网络的图像生成算法进行优化改进,并结合随机过采样的方法生成缺陷图像样本,从而构建了机场跑道数据集。其次,针对实际应用中危险等级高的缺陷检测实时性要求,提出了一种基于Tiny YOLO的机场跑道缺陷检测方法,该方法采用较小的模型在损失一定检测精度的情况下获得了较高的检测速度。接下来,对复杂路面纹理下的机场跑道缺陷检测算法展开研究,提出了基于Wave ILBP纹理特征的机场跑道缺陷检测算法。该算法先解决跑道图像由于光照不均导致采集图像质量下降的问题,对机场跑道采集图像进行了增强。将纹理特征中的频谱法和统计法相结合,提出了Wave ILBP纹理特征,该特征利用小波分解,突出缺陷边缘频域特征,并采用均值法对LBP纹理特征进行优化。然后,基于该纹理特征采用聚类算法进行缺陷检测。Wave ILBP纹理特征与灰度共生矩阵相比,有着较高的检测精度。最后,应用上述研究成果,本文设计并实现了机场跑道缺陷检测系统,完成了数据传输、缺陷检测、监测报警和系统安全模块的设计与实现,最后对系统进行了测试。综上,本文研究的机场跑道缺陷检测算法有着较高的缺陷检测精度且能满足机场跑道缺陷检测应用需要。