从“看见病害”到“读懂路面”，余习之推出全天候“智能卫士”

（文/凌畅建）“道路千万条，安全第一条”，近日，由广州麒乐科技有限公司总经理、人工智能算法高级工程师余习之参与完成的多维智慧集成的公路养护一体化智慧公路多模态AI感知监测与预警技术及应用通过了评审验收。这种基于道路设施监测数据和交通运行动态感知数据的综合运用，投用后，将成为道路上全天候的“智能卫士”。

早在今年5月份在广州举行的2026广东省综合交通发展大会上，余习之受邀作主题报告《多维智慧集成的公路养护一体化解决方案》，首次全面地在全行业推广这项技术。

她没有把重点放在“再训练一个更高分的识别模型”上，而是把问题往工程里推了一步：病害已经能被看见，可看见之后，数据如何进台账、规律如何被计算、方案如何落到工单，终端在弱网路段还能否继续干活？她近年的系列研究，正是沿着这条“识别—挖掘—部署—决策—处治”的闭环展开。

截至2025年底，广东高速公路通车里程已突破1.2万公里，连续12年居全国第一。大路网、大流量、多主体并存，传统人工巡检在效率、标准和量化上的短板被放大：细微裂缝和分散小坑槽容易漏检，记录多为定性描述，实验室模型一到野外便受光照、油污、修补痕迹干扰，大型模型又很难塞进基层手持终端。识别结果若不能进入养护平台，技术就停在展示层。余习之的研究和实践填补了该领域的空白，她把智能检测从“拍照识病”做成可计算、可分级、可调度的养护方法。

资料图：余习之

先把模型放进终端，而不是把影像全部送上云

公路巡检的真实场景，不是机房，是国省干线和农村公路上的手持终端、车载简易采集设备。高精度深度模型能识别裂缝、坑槽、拥包、护栏破损、标线磨损，但参数体量大、算力门槛高；通行做法是把影像回传云端，弱网、无网路段就会出现延迟、上传失败和作业中断。

余习之以基础识别模型为起点，综合采用剪枝、量化和知识蒸馏压缩规模，同时把本地光照、污渍、修补痕迹样本补进训练集，再做推理框架转换和异构终端适配，最后把识别模块嵌进拍照、定位、台账和断点续传，其原理是终端本地初识别，网络恢复后同步，疑难样本云端复核。

资料图：余习之演示一体化智慧公路项目

关键判断出现在模型尺度对比里。未压缩大模型体积276 MB，单帧耗时486毫秒，综合准确率92.7%，但普通终端卡顿，无法实时作业；高强度压缩可把体积压到11 MB、单帧36毫秒，准确率却落到74.1%，细微病害漏检和伪病害误检明显增加。中度压缩落在42 MB、单帧94毫秒、准确率86.4%：能在常用手持终端上流畅运行，又尽量保住特征提取能力。她通过大量的算法推理和研究，得出了一个科学的论断：压缩强度并非越小越好，中度轻量化更适合基层常态化巡检。

部署对照同样务实。相对“图像上传云端识别”，本地轻量化识别把单工作日有效巡检里程从41公里提到68公里，网络依赖显著下降；漏检占比从10.2%升至13.7%，被她定义为可控精度损失。她强调“在覆盖范围和作业连续性上换取一点准确率，而不是追求实验室里的最高分。”

三种部署放在同一条路上比，云边协同成为综合解

识别精度和现场可用性往往打架。余习之没有先验地站队“全上云”或“全在端”，而是建了一套以精确率、召回率、病害综合损伤指数、单公里处理耗时为核心的评价体系，并在8公里沥青—水泥混合试验路段上，把云端集中部署、终端本地轻量化部署、云边协同部署三种方案同步对照，以人工逐段复核为真值。她在《公路路面病害智能识别量化评价与云边协同部署路径研究》的研究显示：云端精确率89.2%、召回率86.7%，识别最好，但单公里耗时42.6秒，高度依赖移动网络；本地轻量化单公里最快，约11.3秒，精确率和召回率分别降到79.5%和76.1%；云边协同精确率86.4%、召回率83.8%、单公里18.7秒，网络依赖弱，综合效能被判定为最优。三种方案算出的综合损伤指数接近，说明后处理量化本身稳定，真正拉开差距的是网络条件和终端算力。

智能检测普及之后，新的浪费出现了，海量图像被用来做当期台账，历史养护、交通荷载、气象环境却很少被放进同一套分析。余习之认为，裂缝、坑槽、拥包、松散往往相互诱发，单一病害处置不及时会牵动结构损伤；简单统计无法揭示伴生机制和演变路径，养护就仍偏经验。

她为此构建了五阶段闭环：原始采集、预处理、特征挖掘、关联规律分析、评价建模与决策输出。数据来源不再只是巡检识别，而是把人工复核、历史养护、交通流量和区域气象并入同一流程。评价也不再停留在“识别了多少条”，而是用三个可计算指标约束质量——数据有效率、特征挖掘准确率、病害关联吻合度，并给出分级阈值：有效率高于95%、特征准确率高于90%、关联吻合度高于88%为优秀。

在覆盖新建、中期服役和老旧破损路面的10条国省干线对比中，相对传统统计分析，数据有效率由82.6%升至97.3%，特征挖掘准确率由73.5%升至92.8%，病害关联吻合度由71.2%升至90.6%；趋势预判准确率和养护方案适配度分别达到89.4%和93.2%。方法输出的不是另一张病害清单，而是路段破损分级、趋势预判和差异化养护建议。她也写明边界：极端天气对应的特殊病害样本偏少时，细微关联规律的精度会下降，需要靠长期积累来补。

该研究具有重大意义，她首次把智能检测从“识别单张图”拉到“解释一条路”，交通荷载和环境因素被写成可计算的耦合变量，预防性养护才有数据抓手。

“当系统感知监测到事故出现时，会通过路侧主动安全预警一体机，向过往车辆，以声光告警形式提醒。”余习之表示，相关管理部门也会迅速收到预警信息，这样既可以有效降低事故风险，也为重大事故事件损失评估提供详细数据支撑。据了解，该项目研究成果在北京、广西、江苏等20余省份得到成功应用。