一种公路路面结构内部病害检测方法及设备

本发明涉及图像识别与处理，特别涉及一种公路路面结构内部病害检测方法及设备。

背景技术：

1、目前在三维探地雷达的波形识别中，大多是基于雷达三个断面图像中的一个断面，即纵断面来进行病害的训练和识别。而只在纵断面图上来进行自动化定位和病害识别，一方面并不能完全充分地利用三维探地雷达的探测数据，另一方面，由于一些病害类型只有在其他断面上才能看出具体形貌，只通过纵断面雷达图像来判断路面内部病害类型，存在较高的误判风险。

技术实现思路

1、为了解决现有的公路病害识别中并没有充分利用三维探地雷达的探测数据，并且仅通过纵断面雷达图像判断病害存在较高误判风险等问题，本发明提供了一种通过建立纵断面和水平面两个维度的神经网络模型，在同一位置结合不同维度的检测结果综合判断病害类型的公路路面结构内部病害检测方法及设备。

2、为了实现上述发明目的，本发明提供了以下技术方案：

3、第一方面，本发明提供了一种公路路面结构内部病害检测方法，所述方法包括：

4、获取路面的纵断面雷达图像和水平面雷达图像；

5、将所述纵断面雷达图像输入训练好的纵断面定位模型，得到病害的纵断面异常图像和位置坐标；

6、将所述位置坐标和所述水平面雷达图像输入训练好的水平面定位模型，得到病害的水平面异常图像；

7、将所述纵断面异常图像和水平面异常图像输入训练好的病害识别模型，得到病害的类型，实现病害检测；

8、其中，所述纵断面定位模型和所述水平面定位模型采用cp-yolox模型，所述cp-yolox模型包括darknet53-spp网络、backbone网络和neck网络；

9、所述病害识别模型构建过程包括：

10、获取路面的历史纵断面雷达图像和历史水平面雷达图像，并分别输入训练好的纵断面定位模型和水平面定位模型，得到历史病害的纵断面异常图像和水平面异常图像；

11、根据公路病害类型将历史病害的纵断面异常图像进行分类，并建立第一数据集，根据所述第一数据集训练构建好的第一分类模型；

12、根据雷达波形特征将历史病害的水平面病害图像进行分类，并建立第二数据集，根据所述第二数据集训练构建好的第二分类模型；

13、根据d-s证据理论将训练好的第一分类模型和第二分类模型融合为病害识别模型的分类层，得到构建好的病害识别模型；

14、所述第一分类模型和第二分类模型采用vit模型，所述vit模型包括嵌入层、特征提取层和分类层。

15、根据一种具体的实施方式，上述检测方法中，所述病害识别模型的训练过程包括：

16、通过训练好的纵断面定位模型从所述历史纵断面雷达图像中获取历史病害的位置坐标；

17、根据历史病害的位置坐标关联历史病害的纵断面异常图像和水平面异常图像，构建联合数据集；

18、根据所述联合数据集训练所述病害识别模型，得到训练好的病害识别模型。

19、根据一种具体的实施方式，上述检测方法中，所述纵断面雷达图像或所述历史纵断面雷达图像输入所述纵断面定位模型前，采用随机数据增强进行预处理；所述水平面雷达图像或所述历史水平面雷达图像输入所述水平面定位模型前，采用随机数据增强进行预处理。

20、根据一种具体的实施方式，上述检测方法中，所述随机数据增强包括随机对图像进行裁剪，随机对图像进行长和宽的缩放，以及，随机对图像进行色域扭曲。

21、根据一种具体的实施方式，上述检测方法中，所述公路病害类型包括裂缝、修补、脱空、层间粘结不良和混合料离析。

22、根据一种具体的实施方式，上述检测方法中，所述雷达波形特征包括多种病害组合，每种病害组合包括所述公路病害类型的不同组合。

23、根据一种具体的实施方式，上述检测方法中，基于每种病害组合构建对应病害组合的第二数据集，根据对应病害组合的第二数据集训练构建好的第二分类模型，得到对应病害组合的第二分类模型。

24、根据一种具体的实施方式，上述检测方法中，构建好的病害识别模型用于识别纵断面异常图像中的公路病害类型，以及，对应病害组合下水平面病害图像的公路病害类型。

25、第二方面，本发明提供了一种电子设备，所述设备包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一项所述的一种公路路面结构内部病害检测方法。

26、与现有技术相比，本发明的有益效果：

27、本发明通过将纵断面和水平面的雷达图像分别进行定位，提升了异常波形的定位精准度，同时，本发明通过d-s证据理论将平纵模型进行融合，在同一位置结合不同维度的检测结果综合判断病害类型，提升路面内部结构病害识别的精度，提升了病害识别的准确率。

技术特征：

1.一种公路路面结构内部病害检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种公路路面结构内部病害检测方法，其特征在于，所述病害识别模型的训练过程包括：

3.根据权利要求1至2任一项所述的一种公路路面结构内部病害检测方法，其特征在于，所述纵断面雷达图像或所述历史纵断面雷达图像输入所述纵断面定位模型前，采用随机数据增强进行预处理；所述水平面雷达图像或所述历史水平面雷达图像输入所述水平面定位模型前，采用随机数据增强进行预处理。

4.根据权利要求3所述的一种公路路面结构内部病害检测方法，其特征在于，所述随机数据增强包括随机对图像进行裁剪，随机对图像进行长和宽的缩放，以及，随机对图像进行色域扭曲。

5.根据权利要求1所述的一种公路路面结构内部病害检测方法，其特征在于，所述公路病害类型包括裂缝、修补、脱空、层间粘结不良和混合料离析。

6.根据权利要求1所述的一种公路路面结构内部病害检测方法，其特征在于，所述雷达波形特征包括多种病害组合，每种病害组合包括所述公路病害类型的不同组合。

7.根据权利要求6所述的一种公路路面结构内部病害检测方法，其特征在于，基于每种病害组合构建对应病害组合的第二数据集，根据对应病害组合的第二数据集训练构建好的第二分类模型，得到对应病害组合的第二分类模型。

8.根据权利要求6所述的一种公路路面结构内部病害检测方法，其特征在于，构建好的病害识别模型用于识别纵断面异常图像中的公路病害类型，以及，对应病害组合下水平面病害图像的公路病害类型。

9.一种电子设备，其特征在于，所述设备包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8中任一项所述的一种公路路面结构内部病害检测方法。

技术总结本发明涉及图像识别与处理技术领域，并具体公开了一种公路路面结构内部病害检测方法及设备，本发明为了解决现有的公路病害识别中并没有充分利用三维探地雷达的探测数据，并且仅通过纵断面雷达图像判断病害存在较高误判风险等问题，提供了一种通过建立纵断面和水平面两个维度的神经网络模型，在同一位置结合不同维度的检测结果综合判断病害类型的检测方法及设备，本发明通过将纵断面和水平面的雷达图像分别进行定位，提升了异常波形的定位精准度，同时，本发明通过D‑S证据理论将平纵模型进行融合，在同一位置结合不同维度的检测结果综合判断病害类型，提升路面内部结构病害识别的精度，提升了病害识别的准确率。技术研发人员：叶治军,黄哲骁,孟扬,刘学敏,陶毅荣,董冠男,蔡平受保护的技术使用者：华东交通大学技术研发日：技术公布日：2024/7/29