一种基于深度学习算法的路面缺陷修复评价系统

本发明属于路面缺陷修复评价技术领域，本发明提供了一种基于深度学习算法的路面缺陷修复评价系统，包括：缺陷修复评价模块：获取路面缺陷修复评价指标的历史数据以及对应的修复效果，构建修复效果评价体系，将路面缺陷修复评价指标的实时数据输入修复效果评价体系。本发明通过多维度量化分析与智能算法，构建了的失效原因判定体系，利用气候因子与施工质量指数的阈值标记，结合贝叶斯网络对耦合场景的概率推理，优化了传统人工经验导致的时空耦合性误判问题，对环境因素、施工质量单因素失效及两者耦合失效的进行区分，基于判定的主导原因，可以优先所判定的主导原因，减少盲目分析造成的资源浪费，实现从经验推测到数据驱动的失效归因升级。