一种云边协同的轻型车载路面病害实时检测方法及系统

本发明涉及图像处理，尤其涉及一种云边协同的轻型车载路面病害实时检测方法及系统。

背景技术：

1、交通基础设施的使用寿命增加，使得病害问题逐渐显现。其中，路面病害对公路运输的行车安全产生了重要影响。

2、目前，基于图像的路面病害检测方法主要由传统的图像检测法和深度学习检测法两种方法构成。传统图像处理技术通常采用人工选择的特征，如颜色、纹理、几何特征等，对路面缺陷进行分割，并通过机器学习算法进行分类匹配，以实现对路面缺陷的检测。然而，传统图像处理方法在处理复杂道路环境时存在一定的局限性，无法满足实际工程中对模型泛化能力和鲁棒性的高要求。相比之下，基于深度学习的图像处理技术在目标检测领域取得了显著的进展，其具有精度更高、速度更快、可嵌入性强等特点。这些方法能够自动学习特征，并通过训练模型实现自动化病害检测。然而，目前许多先进的检测方法都存在网络结构较大的问题，这使得它们难以满足嵌入式设备的应用。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述现有存在的问题，提出了本发明。因此，本发明提供了一种云边协同的轻型车载路面病害实时检测方法，用来解决背景技术中提到的问题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明提供了一种云边协同的轻型车载路面病害实时检测方法，包括：

5、采集路面数据，并基于yolov8n的模型架构，构建轻量级特征增强yolo路面病害检测网络；

6、在所述路面病害检测网络的主干特征提取网络部分中，引入轻量级网络mobilenetv3作为主干网络，并引入增强感受野模块，替换所述路面病害检测网络中原有的快速空间金字塔池化方法；

7、在所述路面病害检测网络中替换原有加强渐进特征融合网络，并将所述路面病害检测网络和多目标检测模型相结合，以实现对车载路面病害的实时检测。

8、作为本发明所述的云边协同的轻型车载路面病害实时检测方法的一种优选方案，其中：所述引入轻量级网络mobilenetv3作为主干网络，包括：

9、在所述mobilenetv3中加入注意力模块和激活函数h-swish(x)；

10、将所述激活函数的非线性表达和逐渐饱和特性融入深度神经网络的卷积层和全连接层中。

11、作为本发明所述的云边协同的轻型车载路面病害实时检测方法的一种优选方案，其中：增强感受野模块，包括：

12、替换原1×1卷积层，通过中间参数a控制卷积过程的输出特征通道数，即cout1＝cout/a；

13、引入3×3串行卷积序列结构，通过所述卷积序列结构对3×3、5×5和7×7卷积生成相同的感受野；

14、将atrous率从1、3、5分别提高到3、5、7。

15、作为本发明所述的云边协同的轻型车载路面病害实时检测方法的一种优选方案，其中：在所述路面病害检测网络中替换原有加强渐进特征融合网络，包括：

16、在加强渐进特征融合网络的基础上，构建加强渐近特征金字塔网络，将所述加强渐近特征金字塔网络分为低层、高层和顶层特征。

17、作为本发明所述的云边协同的轻型车载路面病害实时检测方法的一种优选方案，其中：所述低层、高层和顶层特征，包括：

18、在低层特征中，将语义信息差距最小的高层特征进行融合；

19、在高层特征中，将所述低层、高层和顶层特征进行融合；

20、在顶层特征中，将所述顶层特征与高层特征进行融合，并利用自适应空间特征融合模块，在所有层次特征融合过程中为不同层次的特征分配不同的空间权重。

21、作为本发明所述的云边协同的轻型车载路面病害实时检测方法的一种优选方案，其中：还包括：

22、在第一次特征融合之前，采用卷积注意模块，融合网络信息；

23、在第二次特征融合之前，采用卷积注意模块，同时引入ese模块，将所述ese模块融合至原c2f模块中。

24、作为本发明所述的云边协同的轻型车载路面病害实时检测方法的一种优选方案，其中：所述卷积注意模块，包括：

25、通过通道注意力机制，自适应对不同通道的特征进行加权，通过所述加权得到权重系数，突出通道内贡献度最高的特征并抑制贡献度最低的特征；

26、引入空间注意力机制，通过自适应调整特征图的空间分布，将注意力集中在图像中需要检测的区域；

27、其中，权重系数指的是不同通道在特征中的贡献程度。

28、第二方面，本发明提供了云边协同的轻型车载路面病害实时检测系统，其包括：

29、轻量级特征增强yolo路面病害检测网络建模模块，用于采集路面数据，并基于yolov8n的模型架构，构建轻量级特征增强yolo路面病害检测网络；

30、轻量级特征增强yolo路面病害检测网络处理模块，用于在所述路面病害检测网络的主干特征提取网络部分中，引入轻量级网络mobilenetv3作为主干网络，并引入增强感受野模块，替换所述路面病害检测网络中原有的快速空间金字塔池化方法；

31、轻量级特征增强yolo路面病害检测网络结合与检测模块，用于在所述路面病害检测网络中替换原有加强渐进特征融合网络，并将所述路面病害检测网络和多目标检测模型相结合，以实现对车载路面病害的实时检测。

32、第三方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述方法的任一步骤。

33、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述方法的任一步骤。

34、与现有技术相比，发明有益效果为：本发明采集路面数据，并基于yolov8n的模型架构，构建轻量级特征增强yolo路面病害检测网络；在所述路面病害检测网络的主干特征提取网络部分中，引入轻量级网络mobilenetv3作为主干网络，并引入增强感受野模块，替换路面病害检测网络中原有的快速空间金字塔池化方法；在路面病害检测网络中替换原有加强渐进特征融合网络，并将路面病害检测网络和多目标检测模型相结合，以实现对车载路面病害的实时检测；本发明引入轻量级网络mobilenetv3，减少了模型的参数和计算量；并引入增强感受野模块，增强了模型从小物体中提取特征的能力；设计加强渐近特征金字塔网络降低了后续与初级特征融合时语义差距较大的问题；通过对模块之间的改进，解决了现有网络结构大以及传统检测方法无法应用于嵌入式设备的问题。

技术特征：

1.一种云边协同的轻型车载路面病害实时检测方法，其特征在于，包括：

2.如权利要求1所述的云边协同的轻型车载路面病害实时检测方法，其特征在于，所述引入轻量级网络mobilenetv3作为主干网络，包括：

3.如权利要求2所述的云边协同的轻型车载路面病害实时检测方法，其特征在于，增强感受野模块，包括：

4.如权利要求3所述的云边协同的轻型车载路面病害实时检测方法，其特征在于，在所述路面病害检测网络中替换原有加强渐进特征融合网络，包括：

5.如权利要求4所述的云边协同的轻型车载路面病害实时检测方法，其特征在于，所述低层、高层和顶层特征，包括：

6.如权利要求5所述的云边协同的轻型车载路面病害实时检测方法，其特征在于，还包括：

7.如权利要求6所述的云边协同的轻型车载路面病害实时检测方法，其特征在于，所述卷积注意模块，包括：

8.一种云边协同的轻型车载路面病害实时检测系统，基于权利要求1～7任一所述的云边协同的轻型车载路面病害实时检测方法，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述方法的步骤。

技术总结本发明公开了一种云边协同的轻型车载路面病害实时检测方法及系统包括，采集路面数据，并基于YOLOv8n的模型架构，创建YOLO‑LFE；引入轻量级网络MobileNetV3作为主干网络，并引入增强感受野模块，设计加强渐近特征金字塔网络；并将YOLO‑LFE和多目标检测模型相结合，避免了同一目标的多次检测；本发明引入轻量级网络MobileNetV3，减少了模型的参数和计算量；并引入增强感受野模块，增强了模型从小物体中提取特征的能力；设计加强渐近特征金字塔网络降低了后续与初级特征融合时语义差距较大的问题；通过对模块之间的改进，解决了现有网络结构大以及传统检测方法无法应用于嵌入式设备的问题。技术研发人员：黄钰程,刘禹辰,张智渊,史培新,唐强,胡靖受保护的技术使用者：苏州大学技术研发日：技术公布日：2024/8/1