一种基于红外热成像的路面缺陷检测方法及系统与流程

本技术涉及道路维护，尤其是涉及一种基于红外热成像的路面缺陷检测方法及系统。

背景技术：

1、在道路工程与维护管理领域中，沥青路面的施工质量与后期维护管理直接关联到交通基础设施的长期稳定性和安全性。近年来，沥青路面施工红外热成像技术均匀性控制研究已成为行业关注的焦点，旨在通过高科技手段提升施工过程的精细度与成品路面的耐用性。尽管红外热成像技术在监控沥青摊铺温度均匀性方面取得了显著成效，确保了施工过程中的材料性能，但将其应用于路面缺陷的初期检测与维护策略却仍面临诸多挑战。

2、目前，沥青路面的缺陷，如裂缝、坑洼、脱层等，往往在早期阶段不易察觉，而随着车辆反复碾压和环境因素的作用，这些微小缺陷会迅速恶化，导致大规模的路面损坏，增加了修复难度和成本。因此，如何在缺陷尚处于初期阶段就准确、快速地识别并定位，成为了亟待解决的关键问题。

3、然而，受环境因素的影响，如季节变换导致的温度差异、雨雪天气的湿气影响等，均会对路面热成像数据产生干扰，使得从热图像中准确区分路面本身缺陷与环境影响变得极为复杂，大大降低了路面缺陷初期检测的可靠性和准确性。

技术实现思路

1、为了提高路面缺陷初期检测的可靠性和准确性，本技术提供了一种基于红外热成像的路面缺陷检测方法。

2、第一方面，本技术提供一种基于红外热成像的路面缺陷检测方法，采用如下的技术方案：

3、一种基于红外热成像的路面缺陷检测方法，检测方法包括，

4、获取目标沥青路面的热成像数据和环境参数信息；

5、对所述热成像数据进行数据预处理；

6、基于所述环境参数信息，根据热传导模型对预处理后的热成像数据进行校正；

7、基于自适应阈值分割算法，识别校正后的所述热成像数据中的热异常区域；

8、基于形态学操作对所述热异常区域进行细化，得到对应的缺陷特征；

9、将所述缺陷特征输入至预先训练的缺陷分类模型，得到缺陷特征分类结果和严重程度量化评分；

10、将所述缺陷特征分类结果与gps定位信息结合，构建三维热分布图，得到所述目标沥青路面的缺陷分布位置；

11、根据所述严重程度量化评分对每个缺陷分布位置进行优先级排序，得到维护优先级列表；

12、根据所述维护优先级列表，依次发送对应的维护指令至维护终端。

13、通过采用上述技术方案，集成环境参数校正的红外热成像技术，结合智能图像处理与深度学习分析，有效克服了环境因素干扰，实现了沥青路面缺陷的高精度早期识别与分类，同时自动化评估损害严重程度并智能规划维护优先级，显著提升了路面缺陷初期检测的可靠性和准确性，为道路养护提供了先进且实用的解决方案。

14、可选的，基于所述环境参数信息，根据热传导模型对预处理后的热成像数据进行校正的步骤包括：

15、获取所述目标沥青路面的几何结构数据和物理特性；

16、根据所述几何结构数据和物理特性，建立所述目标沥青路面的热传导模型；

17、将所述环境参数信息输入至所述热传导模型中，计算得到当前环境条件下的理论热分布图；

18、将所述理论热分布图与预处理后的热成像数据进行比较，提取差异图像；

19、根据所述差异图像进行分析，计算校正因子；

20、基于所述校正因子对所述预处理后的热成像数据的每个像素值进行逐像素校正，得到校正后的热成像数据。

21、通过采用上述技术方案，构建热传导模型并结合实际环境参数，实现了对预处理热成像数据的精细化校正，有效提升了检测结果的准确性和可靠性。通过对理论热分布与实测数据的系统对比分析，确定并消除了环境因素的干扰，使得最终得到的校正后热成像数据能够更加真实地反映沥青路面的热态特征和潜在缺陷，为路面维护和管理提供了科学依据，极大提高了道路维护工作的效率和质量。此外，本技术的方案具有较强的适应性和通用性，可广泛应用于不同环境条件和多种类型的路面热状态监测。

22、可选的，所述检测方法还包括缺陷分类模型的训练步骤，所述训练步骤包括：

23、获取历史样本数据集；其中，所述历史样本数据集包括历史热成像数据以及预先标注的缺陷特征和严重程度；

24、对所述历史样本数据集进行数据预处理；

25、将预处理后的历史样本数据集划分为训练集、验证集和测试集；

26、基于所述训练集对预先构建的卷积神经网络模型的进行初训练，并基于所述验证集和测试集对初训练后的卷积神经网络模型进行验证和模型参数优化调整，得到所述缺陷分类模型。

27、通过采用上述技术方案，构建了一个能够高效识别和分类沥青路面热成像图像中缺陷的cnn模型，同时确保了模型的泛化能力和实用性，实现了自动化缺陷分类和评级，提高了检测的智能化水平，使维护决策更加科学合理。

28、可选的，基于所述训练集对预先构建的卷积神经网络模型的进行初训练，并基于所述验证集和测试集对初训练后的卷积神经网络模型进行验证和模型参数优化调整的步骤包括：

29、将所述训练集输入至预先构建的卷积神经网络模型进行训练，对模型参数进行优化并计算模型的组合损失函数，直到组合损失函数满足预设条件，得到训练后的所述缺陷分类模型；其中，所述组合损失函数包括分类损失函数和回归损失函数；

30、根据所述验证集对所述缺陷分类模型进行验证，评估所述缺陷分类模型的性能并调整模型的超参数；

31、根据所述测试集对调整后的缺陷分类模型的预测精度进行测试。

32、通过采用上述技术方案，构建针对沥青路面缺陷的高效分类与严重程度评估模型，不仅能够自动识别多种类型的路面缺陷，还能精确量化其严重程度，为路面维护提供科学依据，极大提升了道路维护的效率和质量；通过综合运用深度学习的先进技术，本技术在道路养护领域展现了显著的技术创新和实用价值。

33、可选的，所述预先构建的卷积神经网络包括卷积层、激活层、池化层、全连接层一和全连接层二，所述全连接层一用于进行缺陷特征分类，所述全连接层二用于进行严重程度量化评分，所述组合损失函数包括分类损失函数和回归损失函数。

34、可选的，在得到所述目标沥青路面的缺陷分布位置的步骤之后还包括：

35、获取校正后的所述缺陷分布位置的所述热成像数据；

36、基于所述热传导模型对所述校正后的缺陷分布位置的热成像数据进行分析，得到对应的温度分布图；

37、获取所述目标沥青路面的交通流量信息；所述交通流量信息包括车辆流量、车辆类型以及车辆路径分布信息；

38、根据所述交通流量信息，计算所述缺陷分布位置的预期负载效应，生成负载效应矩阵；

39、将所述温度分布图与所述负载效应矩阵，输入至预先构建的路面热响应模型，得到目标沥青路面上多个区域的路面损伤预测指标；

40、将路面损伤预测指标高于预设阈值的区域确定为损伤预测区域；

41、根据所述损伤预测区域的路面损伤预测指标生成对应的维护策略。

42、通过采用上述技术方案，集成交通数据分析、热成像技术、热传导模型和机器学习算法，构建了一个综合性的路面损伤预测与维护管理系统，该系统能够前瞻性地识别和评估沥青路面的潜在损伤风险，基于精准的数据分析制定出高效、合理的维护策略，有效延长路面使用寿命，减少因突发性损坏导致的交通中断，同时优化道路维护成本，对于提高城市基础设施管理水平、保障交通安全具有重要的应用价值和推广意义。

43、第二方面，本技术提供一种基于红外热成像的路面缺陷检测系统，采用如下的技术方案：

44、一种基于红外热成像的路面缺陷检测系统，所述检测系统包括，

45、第一获取模块，用于获取目标沥青路面的热成像数据和环境参数信息；

46、预处理模块，用于对所述热成像数据进行数据预处理；

47、校正模块，用于基于所述环境参数信息，根据热传导模型对预处理后的热成像数据进行校正；

48、热异常识别模块，用于基于自适应阈值分割算法，识别校正后的所述热成像数据中的热异常区域；

49、缺陷特征提取模块，用于基于形态学操作对所述热异常区域进行细化，得到对应的缺陷特征；

50、缺陷分类模块，用于将所述缺陷特征输入至预先训练的缺陷分类模型，得到缺陷特征分类结果和严重程度量化评分；

51、缺陷分布位置生成模块，用于将所述缺陷特征分类结果与gps定位信息结合，构建三维热分布图，得到所述目标沥青路面的缺陷分布位置；

52、优先级排序模块，用于根据所述严重程度量化评分对每个缺陷分布位置进行优先级排序，得到维护优先级列表；

53、维护指令发送模块，用于根据所述维护优先级列表，依次发送对应的维护指令至维护终端。

54、可选的，所述路面缺陷检测系统还包括：

55、第二获取模块，用于获取校正后的所述缺陷分布位置的所述热成像数据；

56、温度分布图生成模块，用于基于所述热传导模型对所述校正后的缺陷分布位置的热成像数据进行分析，得到对应的温度分布图；

57、第三获取模块，用于获取所述目标沥青路面的交通流量信息；所述交通流量信息包括车辆流量、车辆类型以及车辆路径分布信息；

58、负载效应矩阵生成模块，用于根据所述交通流量信息，计算所述缺陷分布位置的预期负载效应，生成负载效应矩阵；

59、路面损伤预测模块，用于将所述温度分布图与所述负载效应矩阵，输入至预先构建的路面热响应模型，得到目标沥青路面上多个区域的路面损伤预测指标；

60、损伤预测区域确定模块，将路面损伤预测指标高于预设阈值的区域确定为损伤预测区域；

61、维护策略生成模块，用于根据所述损伤预测区域的路面损伤预测指标生成对应的维护策略。

62、第三方面，本技术提供一种计算机设备，采用如下的技术方案：

63、一种计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现如第一方面所述方法的步骤。

64、第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：

65、一种计算机可读存储介质，存储有能够被处理器加载并执行如第一方面中任一种方法的计算机程序。

66、综上所述，本技术包括以下至少一种有益技术效果：集成环境参数校正的红外热成像技术，结合智能图像处理与深度学习分析，有效克服了环境因素干扰，实现了沥青路面缺陷的高精度早期识别与分类，同时自动化评估损害严重程度并智能规划维护优先级，显著提升了路面缺陷初期检测的可靠性和准确性，为道路养护提供了先进且实用的解决方案。