随着国家基建的大力发展,混凝土和沥青所建造的道路遍布全国。而随着车辆的日常通行,道路表面不可避免的存在裂缝。该情况不仅危害行车的安全,道路也面临坍塌的风险。因此对道路安全的检测监测尤为重要。传统人工检测方式存在效率低和准确率低等问题。因此,本文的目标是根据机器采集的路面照片,研究自动化裂缝检测、标识和区域尺寸计算的算法,并最终将其封装为应用软件。本文提出了一套自动化检测道路路面的裂缝图片系统。算法部分尝试了两种思路,第一种思路是将卷积分类网络和数字图像处理相关算法相结合的思路,将原图切割成小块,然后使用Inception V3网络来对小块完成分类,分类完成后使用数字图像处理相关算法完成裂缝提取。在卷积分类网络中,本文针对批尺寸,学习率,网络结构,损失函数等做了对照实验来选优,根据数据集分布不均,使用了加权交叉熵损失函数,针对网络过深和过度冗余所造成的运行速度较低,在减小准确率损失情况下对网络进行了缩减。在数字图像处理方面使用了mask差值匀光,灰度拉伸,中值滤波去燥,大津阈值分割,腐蚀膨胀连接连通域,基于裂缝形状去燥,裂缝骨架细化,裂缝骨架毛刺剔除等算法,结合多种算法对裂缝完成了分割提取。第二种思路是直接基于语义分割的全卷积网络对裂缝区域分割提取,本文通过对照实验选择了VGG16作为全卷积网络的编码结构,UNet作为全卷积网络的整体架构,根据裂缝区域面积较小的特点,提出了以交叉熵损失函数和裂缝区域IOU损失函数加权求和的方式来改进损失函数,并且在跳跃连接处增加卷积层来优化网络结构。此外本文对提出的算法在两个不同数据集上做了交叉验证,也与其他论文裂缝算法做了对比。本文最后对两种算法做了对比,结果表明,在道路裂缝识别领域,全卷积网络对裂缝特征的识别效果比传统算法更优,对于道路裂缝自动化识别领域具有一定的应用价值。本文最后选择了全卷积网络来完成自动化识别裂缝的软件,可以提供给工程领域人员,用于在专业领域的裂缝数据自动化处理。