水泥混凝土作为公路路面的重要组成成分,虽然具有坚固、耐久的良好特性,可是随着一些自然因素的影响,路面也会遭到不同种程度的破坏。路面脱空就是最为常见的一种,但是,目前关于路面脱空程度的分类都是人为凭经验确定的,缺乏客观的对路面脱空程度自动分类的研究。首先,本文给出了一种基于信息论准则的分类个数确定的方法。主要研究内容包括:相似矩阵构造中局部高斯核函数的选取、规范化拉普拉斯矩阵的构造以及根据规范化拉普拉斯矩阵对AIC准则、MDL准则进行更新使其适用于数据集分类个数的计算。其次,利用GA指标对不同分类个数下路面脱空检测数据集的分类准确率进行评价,并以此来评判分类个数的好坏。最后,先是对VGG-16网络的机构进行了调整:去掉两个全连接层减少网络结构中大部分的参数;把卷积单元5的卷积核神经元调整为每个700,使需要保存的数据量大大减小;后又根据路面脱空检测数据的特点,采用迁移学习的方式来预训练网络模型,旨在显著提高VGG-16网络模型的识别准确率。利用GA指标对分类个数进行评价,结果表明,3类时的GA指标为0.9367,4类时的GA指标为0.9883。用VGG-16网络对该数据集进行训练和测试时,除了上述两种分类个数,本文又引入5类作对比。结果表明,3类时的VGG-16网络的识别准确率为93.82%;4类时的VGG-16网络的识别准确率为97.54%;5类时的VGG-16网络的识别准确率为83.61%。