Zbiór zdjęć rzeczywistych uszkodzeń dróg z wyrwami, pęknięciami i włazami

Dlaczego wyboiste ulice mają znaczenie

Każdy, kto omijał wyrwę lub poczuł szarpnięcie samochodu na pęknięciu, wie, że uszkodzone drogi to nie tylko niedogodność: wpływają na bezpieczeństwo, koszty napraw i płynność funkcjonowania miast. Ręczna kontrola każdej ulicy jest jednak wolna, kosztowna i czasem niebezpieczna. Niniejsze badanie wprowadza nowy zbiór zdjęć drogowych z rzeczywistego świata, zaprojektowany, by pomóc komputerom automatycznie wykrywać wyrwy, pęknięcia i włazy, tak by ekipy drogowe mogły planować naprawy szybciej i bardziej sprawiedliwie w obszarach miejskich i wiejskich.

Bliższe spojrzenie na złe drogi

Autorzy koncentrują się na trzech powszechnych cechach zniszczonych nawierzchni: wyrwach, pęknięciach i włazach. Wyrwy to dobrze znane, miseczkowate ubytki, które mogą uszkodzić opony i zawieszenie. Pęknięcia to cienkie szczeliny, które mogą się rozszerzać i w końcu przekształcić w poważniejsze uszkodzenia. Włazy to okrągłe pokrywy prowadzące do rur i kabli pod ziemią. Chociaż same w sobie nie są uszkodzeniem, na zdjęciach mogą wyglądać zaskakująco podobnie do wyrw. Poprzednie zbiory zdjęć drogowych często pomijały włazy lub myliły je z uszkodzeniami, co utrudniało systemom komputerowym odróżnienie szkodliwych defektów od normalnej infrastruktury.

Jak zebrano zdjęcia

Aby stworzyć bardziej realistyczny obraz codziennych dróg, zespół ręcznie zebrał zdjęcia w Rzymie i okolicznym mieście Sacrofano we Włoszech. Użyto dwóch niedrogich urządzeń, na które wiele miast mogłoby sobie pozwolić: kamery GoPro zamontowanej na przedniej szybie samochodu oraz prostego smartfona Samsung używanego podczas postoju pojazdu. Poruszając się umiarkowanymi prędkościami, rejestrowali ulice w różnych warunkach oświetleniowych i pogodowych, a następnie wyodrębniali klatki, w których defekty nawierzchni były wyraźnie widoczne. Wszystkie zdjęcia zostały zmienione do praktycznej rozdzielczości i dokładnie sprawdzone — zamazano twarze i tablice rejestracyjne, usunięto klatki bardzo słabej jakości oraz uniknięto scen o ekstremalnej ciemności, olśnieniu lub intensywnym deszczu, które utrudniałyby wiarygodne etykietowanie.

Przekształcanie scen drogowych w użyteczne dane

Po oczyszczeniu zdjęć badacze ręcznie przejrzeli 2009 obrazów i oznaczyli każdą widoczną wyrwę, pęknięcie i właz. Użyli specjalistycznego oprogramowania do adnotacji, które pozwala na narysowanie prostokąta wokół każdego obiektu i przypisanie go do jednej z trzech kategorii. W sumie oznaczono 1261 wyrw, 2519 pęknięć i 957 włazów. Pliki przechowywane są w formatach bezpośrednio kompatybilnych z popularnymi narzędziami sztucznej inteligencji, tak by inne zespoły mogły łatwo załadować obrazy i etykiety. Zbiór obejmuje zarówno drogi miejskie, jak i wiejskie, nawierzchnie mokre i suche oraz różne kąty widzenia, dając komputerom bogatsze pojęcie o tym, jak uszkodzenia wyglądają z ruchomego pojazdu lub osoby stojącej przy drodze.

Testowanie inteligentnych detektorów na nowym zestawie

Aby sprawdzić praktyczną przydatność tego zbioru, autorzy trenowali kilka nowoczesnych systemów detekcji obiektów, w tym niedawne kompaktowe wersje modeli z rodziny YOLO, zaprojektowane do pracy na małych komputerach. Podzielili zbiór na wiele części, trenując na części zdjęć i testując na pozostałych w rotacji, by sprawdzić spójność. Modele oceniano pod kątem precyzji wykrywania uszkodzeń, liczby wykrytych prawdziwych defektów oraz tego, jak dokładnie ich przewidywania pokrywały się z rzeczywistymi lokalizacjami. Najlepszy kompaktowy model osiągnął wysoką precyzję we wszystkich trzech klasach, zwłaszcza dla włazów, co pokazuje, że zdjęcia i etykiety wspierają dokładne uczenie nawet przy ograniczonej mocy obliczeniowej. Badanie porównało także starsze i nowsze projekty modeli, wykazując, że nowoczesne lekkie sieci działające przy wyższej rozdzielczości obrazu wyraźnie przewyższają tradycyjne podejścia.

Co to oznacza dla przyszłej opieki nad drogami

Dla osób niebędących specjalistami kluczową informacją jest to, że praca dostarcza praktyczny i otwarcie dostępny zbiór rzeczywistych zdjęć ulic, które ułatwiają trenowanie i porównywanie inteligentnych systemów wykrywających problemy drogowe. Ponieważ zdjęcia pochodzą z powszechnych kamer, obejmują drogi miejskie i wiejskie oraz zawierają mylące podobne obiekty, jak włazy, dają inżynierom realistyczne pole do testów dla narzędzi, które mogłyby działać na autobusach, pojazdach serwisowych, a nawet smartfonach. Choć zbiór obecnie odzwierciedla drogi włoskie i nie śledzi jeszcze, jak uszkodzenia rozwijają się w czasie, stanowi solidną podstawę dla bezpieczniejszego, bardziej terminowego i bardziej opłacalnego utrzymania dróg opartego na wiarygodnym widzeniu komputerowym.

Cytowanie: Giordani, E., Arcioni, L., Gil-Martín, M. et al. Real-world road damage dataset with potholes, cracks, and maintenance holes. Sci Rep 16, 15318 (2026). https://doi.org/10.1038/s41598-026-46679-4

Słowa kluczowe: uszkodzenia dróg, wyrwy, widzenie komputerowe, detekcja obiektów, autonomiczne prowadzenie