道路病害检测方法、装置、设备及介质
- 国知局
- 2024-07-31 22:53:28
本发明涉及道路工程,尤其涉及一种道路病害检测方法、装置、设备及介质。
背景技术:
1、在计算机视觉领域,深度学习的研究最初主要集中在卷积神经网络(cnn)。随着技术的发展和任务需求的增加,研究人员在cnn的基础上提出了目标检测算法,以实现对图像中特定目标的识别和定位。每张图像可能包含不同类型和不同大小的待检测目标,目标检测算法的目标是尽可能准确地输出所有待检测目标的类型和精确位置信息。在计算机视觉领域,图像分割和姿态检测等研究任务都是基于目标检测研究的延伸和拓展。
2、在沥青路面隐藏病害的智能定位算法研究中,采用基于区域卷积神经网络的目标检测模型能够实现对道路雷达图像中隐藏病害的有效定位。然而,该模型对病害的定位精度仍有提升的空间。同时,在优化基础目标检测模型的实验中,发现模型在定位小目标病害方面存在困难,这严重限制了模型定位效果的提升。
3、因此,现有技术中在对道路进行病害检测的过程中,存在病害检测结果的可靠度低的问题。
技术实现思路
1、有鉴于此,有必要提供一种道路病害检测方法、装置、设备及介质,用以解决现有技术中在对道路进行病害检测的过程中,存在的病害检测结果的可靠度低的问题。
2、为了解决上述问题,本发明提供一种道路病害检测方法,包括:
3、基于训练完备的大目标检测模型和小目标检测模型分别对道路雷达图像进行病害检测,分别对应得到大目标检测结果和小目标检测结果;
4、对大目标检测结果和小目标检测结果进行融合,确定道路雷达图像的病害检测结果;
5、其中,大目标检测模型包括可变形卷积层、双路检测头和平滑非极大值抑制操作层;小目标检测模型包括多尺度卷积层、可变形roi池化层、双路检测头、平衡线损失函数和平滑非极大值抑制操作层。
6、在一种可能的实现方式中,在基于训练完备的大目标检测模型对道路雷达图像进行病害检测,得到大目标检测结果之前,还包括:
7、获取大目标病害检测数据样本集,大目标病害检测数据样本集包括大目标道路雷达图像样本及其对应的大目标病害结果;
8、构建初始大目标检测模型,将大目标道路雷达图像样本输入至初始大目标检测模型,以大目标病害结果为输出,并计算样本iou值,基于样本iou值对大目标病害检测数据样本集进行权重再分配,并对权重调整后的大目标病害检测数据样本集进行迭代训练,直至得到训练完备的大目标检测模型。
9、在一种可能的实现方式中,通过对大目标病害检测数据样本集进行迭代训练,直至得到训练完备的大目标检测模型,包括:
10、将大目标道路雷达图像样本输入至初始大目标检测模型,根据双路检测头对大目标道路雷达图像样本进行目标划分,得到大目标感兴趣区域图像;
11、根据可变形卷积层对大目标感兴趣区域图像进行不规则卷积处理,得到大目标雷达特征图;
12、根据平滑非极大值抑制操作层对大目标雷达特征图进行检测框筛选,得到大目标病害检测框。
13、在一种可能的实现方式中,在基于训练完备的小目标检测模型对道路雷达图像进行病害检测,得到小目标检测结果之前,还包括:
14、获取小目标病害检测数据样本集,小目标病害检测数据样本集包括小目标道路雷达图像样本及其对应的小目标病害结果;
15、构建初始小目标检测模型,将小目标道路雷达图像样本输入至初始小目标检测模型,以小目标病害结果为输出,并计算样本损失值,通过对样本损失值小于预设损失阈值的小目标病害检测数据样本集进行迭代训练,直至得到训练完备的小目标检测模型。
16、在一种可能的实现方式中,通过对小目标病害检测数据样本集进行迭代训练,直至得到训练完备的小目标检测模型,包括:
17、将小目标道路雷达图像样本输入至初始小目标检测模型,根据多尺度卷积层对小目标道路雷达图像样本进行多尺度卷积,得到多尺度特征图像;
18、根据可变形roi池化层对多尺度特征图像进行不规则区域划分,得到不规则变形区域图像;
19、根据双路检测头对不规则变形区域图像进行目标划分,得到小目标感兴趣区域图像;
20、根据平滑非极大值抑制操作层对小目标感兴趣区域图像进行检测框筛选,得到小目标病害检测框;
21、根据平衡线损失函数对小目标病害检测框和小目标病害结果进行损失值评估,并确定损失值最小时的初始小目标检测模型为训练完备的小目标检测模型。
22、在一种可能的实现方式中,获取大目标病害检测数据样本集,包括:
23、获取初始病害检测数据集,初始病害检测数据集包括道路雷达图像数据及其对应的病害标注信息;
24、筛选出含有沉陷类病害和隐藏裂缝类病害的道路雷达图像数据作为第一大目标道路雷达图像样本,并将第一大目标道路雷达图像样本对应的病害标注信息作为第一大目标病害结果;
25、将含有松散类病害的道路雷达图像数据作为第二大目标道路雷达图像样本,并确定第二大目标道路雷达图像样本对应的病害标注信息为空。
26、在一种可能的实现方式中,获取小目标病害检测数据样本集,包括:
27、获取初始病害检测数据集,初始病害检测数据集包括道路雷达图像数据及其对应的病害标注信息;
28、筛选出含有松散类病害的道路雷达图像数据作为第一小目标道路雷达图像样本,并将第一小目标道路雷达图像样本对应的病害标注信息作为第一小目标病害结果;
29、将含有沉陷类病害和隐藏裂缝类病害的道路雷达图像数据作为第二小目标道路雷达图像样本,并确定第二小目标道路雷达图像样本对应的病害标注信息为空。
30、为了解决上述问题,本发明还提供一种道路病害检测装置,包括:
31、病害检测模块,用于基于训练完备的大目标检测模型和小目标检测模型分别对道路雷达图像进行病害检测,分别对应得到大目标检测结果和小目标检测结果;
32、病害检测结果确定模块,用于对大目标检测结果和小目标检测结果进行融合,确定道路雷达图像的病害检测结果;
33、其中,大目标检测模型包括可变形卷积层、双路检测头和平滑非极大值抑制操作层;小目标检测模型包括多尺度卷积层、可变形roi池化层、双路检测头、平衡线损失函数和平滑非极大值抑制操作层。
34、为了解决上述问题,本发明还提供一种电子设备,包括存储器和处理器,其中,
35、存储器,用于存储程序;
36、处理器,与存储器耦合,用于执行存储器中存储的程序,以实现如上文所述的道路病害检测方法中的步骤。
37、为了解决上述问题,本发明还提供一种计算机可读存储介质,用于存储计算机可读取的程序或指令,程序或指令被处理器执行时能够实现如上文所述的道路病害检测方法中的步骤。
38、采用上述实施例的有益效果是:本发明提供一种道路病害检测方法,通过设置大目标检测模型和小目标检测模型两个模型对道路雷达图像进行病害检测,实现了双路目标检测;通过针对性地控制模型的结构及对应的功能,并将二者的检测结果进行融合,从而提高最终的检测精度;通过在小目标检测模型中设置多尺度卷积层等结构,能够大大提高小目标病害的检测能力,进而保证最终的病害检测结果的可靠度。
本文地址:https://www.jishuxx.com/zhuanli/20240730/195202.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。