基于深度学习的路面裂缝智能检测分割系统-PyTorch

本项目为前几天收费帮学妹做的一个项目，在工作环境中基本使用不到，但是很多学校把这个当作编程入门的项目来做，故分享出本项目供初学者参考。

一、项目描述

路面裂缝智能检测分割系统。基于深度学习对路面图像进行裂缝的像素级分割，自动计算损伤面积占比，支持单图检测与文件夹批量处理，并提供用户管理与检测历史追溯功能。

http://localhost:8000/
用户名testuser_1377463136;密码123456

二、项目功能

– 单张图片上传检测：实时返回裂缝分割掩码与原图叠加展示，给出损伤占比、裂缝像素面积、图像尺寸等统计信息
– 文件夹批量推理：对整个目录的图片逐张处理，SSE 实时推送处理进度
– 用户系统：注册、登录、角色区分（普通用户 / 管理员），管理员可查看全局任务
– 检测历史：每次推理结果落库保存，支持查询个人历史记录
– 配套工具：Tkinter 裂缝标注工具，用于扩充和制作训练数据

三、运行环境

– 操作系统：Windows（兼容 macOS，提供独立的后端目录）
– Python 3.11+
– CPU 即可运行推理与训练（有 NVIDIA GPU 可加速训练）
– 模型权重约 93MB，数据集 CRACK745 共 745 张标注图像

四、项目技术

– 深度学习：PyTorch + segmentation-models-pytorch，U-Net（ResNet34 编码器），灰度单通道输入，Dice + IoU 评估指标
– 后端：FastAPI + Uvicorn，JWT 令牌鉴权，SQLAlchemy ORM + SQLite 数据库，SSE 流式批量进度
– 前端：原生 HTML / CSS / JavaScript 静态页面，拖拽上传与掩码叠加展示
– 数据处理：OpenCV、Pillow、NumPy、Albumentations 风格数据增强
– 标注工具：Python Tkinter 桌面应用

以上系统源码经过技术整理与调试，确保能正常运行

五、项目截图