Die Studie aus China interessiert sich für die automatische Erkennung von Straßenbelägen mithilfe eines Bodenradars.
Die Nutzung eines Bodenradars (Ground Penetrating Radar – GPR) verspricht bei verschiedenen Anwendungen Erfolge. So will man mittels des Radars auch die Positionsbestimmung verbessern, vor allem im Winter, wenn die Schilder und Fahrbahnmarkierungen vom Schnee überdeckt werden.
Die Erkennung der Straßenbeläge mithilfe des Radarsensors untersuchten Forschende der Jiaotong-Universität in Nanchang in Kooperation mit der Universität von Chang’an aus China und der Sorbonne aus Frankreich.
Sie nutzten das GP-Radar zur Erkennung von Rissen, Wasserschäden oder Ablagerungen. Doch die Genauigkeit war noch verbesserungsbedürftig. Daher griffen die Forschenden auf die KI zurück. Konkret nutzte man schnelleres regionales Convulationsnetzwerk (Faster R-ConvNet).
Unter Verwendung eines speziellen Datensatzes wurden 30 dieser Faster R-ConvNets trainiert und geprüft. Es wurden die Größenverhältnisse angepasst und deren Fähigkeiten eruiert. Das Ergebnis ist, dass sie bezüglich der Robustheit und der Verarbeitungszeit besser waren, als die Vergleichssysteme. Das Faster R-ConvNet erreichte eine Genauigkeit von 89,13 Prozent.