随着汽车的发展和普及,我国道路交通流量与日俱增。越来越大的交通运输流量造成的道路压力会对路面、护栏等沿线设施产生反作用。轻则损坏道路基础设施,重则影响道路交通安全。公路巡检行业的出现和发展,为城市交通安全管理提供重要保障,特别是对于流量大、事故频发的高速公路路段。传统的高速公路巡检以高速公路波纹梁护栏和路面裂缝为主要对象,采用人工巡检的形式。针对传统方法巡检周期长、效率低,反馈不及时的问题,本文以深度学习技术为基础,从高速公路护栏检测和路面裂缝检测两个角度出发,完成如下研究:首先,针对高速公路波纹梁护栏检测实时性差、准确率低的问题,提出并实现了一种基于实例分割的波纹梁护栏快速检测算法。采用多尺度自适应特征融合算法解决特征金字塔网络降维导致的信息丢失问题,采用基于高斯弱化机制的极值矩阵迭代筛选算法解决Fast NMS筛选候选框的过度抑制问题,提升算法准确率。实验结果表明,此算法在检测准确率和检测速度两个方面均表现出良好性能。其次,针对高速公路沥青路面裂缝检测鲁棒性差、检测精细度低、信息损失严重的问题,构建了基于语义分割的高速公路沥青路面裂缝检测网络。采用提出的基于Res Net152的轻量化残差学习算法提取多尺度特征,在保证准确率的基础上简化网络;采用提出的基于空间域的自注意力机制算法解决卷积操作引起的全局信息丢失问题;采用提出的非对称双边分割结构搭建用于路面裂缝检测的网络模型,融合不同层次特征。实验证明,此算法在复杂环境下针对检测准确率和检测速度两个指标均表现出良好性能。最后,从实际应用的角度出发,搭建了高速公路护栏及裂缝检测系统。系统以基于实例分割的护栏检测算法和基于语义分割的裂缝检测算法为基础,设计并实现了波纹梁护栏检测模块、路面裂缝检测模块、系统管理模块和日志收集模块,在此基础上从系统功能模块和系统性能两个方面对系统进行测试。测试结果表明,本系统实现的各个功能模块均可正常使用,并且对于高速公路波纹梁护栏和沥青路面裂缝检测的性能均可达到实际应用要求,进而实现了高速公路巡检任务智能化,提高了高速公路巡检效率。