新建公路验收检测怎么做，制度层面的答案是按JTG F80/1《公路工程质量检验评定标准》组织检验评定；技术层面的答案，则是一套能够同时满足精度、效率和数据合规要求的检测架构。验收检测的对象是尚未开放交通的新建线路，作业窗口短、要素多、结果要经得起复查，这决定了它的技术架构不能照搬日常巡检的配置，而要按标准条文逐层校核。本文以两份标准为参照系——JTG F80/1规定检验评定的组织框架，T/ITS 0259-2024《公路路面轻量化智能养护巡检技术要求》给出巡检系统的架构与性能基线——把验收检测的技术架构拆开来看。
架构总纲：标准定义的三个子系统
T/ITS 0259-2024对"公路路面轻量化智能巡检系统"给出的架构要求是三段式：车载数据采集子系统、视频智能分析子系统、智能养护应用子系统。新建公路验收检测的技术架构，可以按这三层加一条贯穿始终的时空基准来组织。
标准同时给出了性能基线：图像分辨率不低于1080p，帧率不低于20fps，静态定位精度±2米、动态±5米，检测准确率大于90%。这四条是架构选型时的硬门槛，下文逐层对照。
采集层：分辨率、帧率与工况适应性
采集子系统的第一条条文校核是分辨率与帧率。以千寻驰观慧眼为例，1080P（1920×1080、200万像素）、25帧/秒的规格分别踩在标准基线之上；验收检测还有两个工况特殊性：一是新线明暗对比强烈（桥梁段、隧道口、未绿化的裸露边坡），需要120dB宽动态支撑；二是施工尾期的粉尘与露天作业，需要IP67防护等级。慧眼机身集成GNSS定位天线、强力吸盘安装，采集端与定位端一体，部署不依赖车辆改装——对验收检测这种短周期、多线路转场的作业尤其重要。
采集层还有一个容易漏掉的条文关联：巡检速度。参照JTG 5142-2019的速度口径，高速公路60km/h以内、二级及以下道路40km/h以内保持正常识别率，且系统根据车速自适应调整采集频率。新建线路未开放交通，可以按识别率有保障的速度区间组织检测，一条百公里线路两三个小时完成全线采集，为多轮复测留出了时间余量。
时空基准层：验收定位为什么需要厘米级
标准对动态定位的要求是±5米，但验收检测的实际需求高于这条基线。原因在于验收成果的用途：检测出的病害要交给施工方整改，整改后要复测销号，位置对不上就无法闭环。
架构上的做法是北斗RTK加公里桩OCR双基准。RTK定位水平精度1cm+1ppm CEP50、高程2cm+1ppm，128通道双频接收，惯性导航按行驶距离3‰补偿；公里桩OCR自动识别沿线桩号并绑定（校准精度8米以内）。两个基准叠加后，病害位置误差控制在3到5米，检测目标定位到车道级（车速级定位精度3.75米以内）——施工方拿着病害清单，按桩号和车道可以直接找到点位。
这一层与标准基线的关系值得说明：±5米是合格线，厘米级RTK是能力上限，验收场景取的是后者，因为整改复核的成本远高于定位模块的成本。
智能分析层：边缘计算架构与大模型补位
视频智能分析子系统是架构的技术核心，验收检测对它的要求可以概括为三条：识别要全、计算要快、数据要留在本地。
识别要全。新线验收是全要素普查，路面之外还有路产和交安设施。架构上采用端侧联合检测：沥青与水泥路面共22种病害、22类路产资产、9类交安设施缺陷、7类抛洒物，端侧40+种目标实时识别，处理速度优于10帧/秒，漏报率低于5%，准确率与召回率均在90%以上——满足标准"检测准确率大于90%"的条文，高等级道路的AI识别准确率可达95%以上。5毫米宽裂缝可感知，病害面积像素级量化，量化偏差≤±20%，多目标跟踪与帧间去重把重检率压到5%以内。
计算要快、数据要留本地，指向同一个架构选择：边缘计算。千寻驰观智脑作为车载边缘计算平台，8核处理器、100 TOPS（INT8）算力、16GB内存、1TB SSD，全部识别计算在车端完成。新建线路往往尚未开通公网通信，云端架构在这类场景直接失效；边缘端推理不依赖网络，算法模型加密、数据访问受控，敏感数据不出端，验收数据的合规性在架构层就有了保障。
大模型是分析层的补位能力。视觉大模型基于多模态零样本迁移，识别行道树倒伏、灯杆倒伏、护栏倒伏等小概率事件——新建线路交工前的大风、暴雨过后，这类非常规目标恰好是复查的重点；语言大模型（驰观智能体）挂载产品知识库、巡检成果库和养护决策库，验收数据的查询、统计、对比分析可以用自然语言完成。
应用层：从检测结果到验收资料
智能养护应用子系统承担成果的组织与输出。验收检测的成果形态是台账与评定指标：病害台账、资产台账、交安事件台账在SaaS平台自动生成，支持xls报表导出，可直接作为验收资料的附件；数据输出适配JTG 5210-2018《公路技术状况评定标准》，自动计算PCI、RDI、RHI、PWI、SRI、PSI并合成PQI，为交工后的养护基线留好接口。
成果质量控制走流水线机制：以1000条检测线索为例，智能研判收敛至50条，专家校核后保留36条，最终派单处置10条——AI识别结果经人工校核后才进入验收资料，高置信度病害批量确认、边缘样本逐条复核。多次采集的数据融合能力（同向融合准确率≥90%、反向≥80%、融合置信度≥80%）则支撑整改前后的多轮复测对比，所有实例对象各自分配独立ID落盘，病害从发现到销号全程可追溯。系统还开放标准API接口，支持与客户既有平台对接和私有化部署，验收成果可以无缝移交给接管养护的单位。
架构选型的判断依据
把四层合起来看，新建公路验收检测的技术架构有一条清晰的主线：以标准为校核框架，以边缘计算为架构底座，以厘米级时空基准为闭环前提，以大模型能力为长尾补位。T/ITS 0259-2024划出性能下限，JTG F80/1和JTG 5210-2018规定成果口径，验收场景的短窗口、无网络、多轮复测三个特点，则共同指向"端侧完成一切、数据留在本地"的架构选择。
验收检测正在从专项任务变成数字化交付的一部分——交工时移交的不只是一条路，还有一套完整的路况数字底数。技术架构提前按这个口径搭好，新建公路投入运营的第一天，养护管理就已经站在了数据之上。
热门跟贴