路面裂缝检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种路面裂缝检测方法、装置、电子设备及介质；该方法包括采集道路的路面图像；对所述路面图像进行预处理，得到分辨率梯度变化的多个输入图像；将所述多个输入图像输入预先训练的路面裂缝检测模型，得到计算结果；其中，所述路面裂缝检测模型是基于样本路面图像和所述样本路面图像的裂缝标记数据训练得到的，所述路面裂缝检测模型包括多个阶段，每个阶段间进行多次多尺度融合；根据所述路面裂缝检测模型的计算结果，输出检测结果。本发明专利技术实施例通过输入分辨率梯度变化的多个输入图像，使用具有多尺度融合结构的路面裂缝检测模型，实现了对复杂情况下的路面裂缝检测，减弱了噪声影响，提高了检测精度。

【技术实现步骤摘要】
路面裂缝检测方法、装置、电子设备及存储介质
本专利技术涉及于交通路面图像检测
，尤其涉及一种路面裂缝检测方法、装置、电子设备及存储介质。
技术介绍
路面裂缝是道路路面病害的主要形式之一。早期产生的裂缝不会影响路面的使用，但是随着雨水的侵入以及外力的作用，可能导致路面的结构性破坏，对行车安全造成威胁。路面裂缝的检测和修复是道路养护的重要内容。随着人工智能的发展和普及，基于深度学习的相关检测方法也逐渐使用在路面裂缝检测任务上，深度学习不需要人工设计特征提取器,能够自动根据原始图像特征进行抽象表达，确定特定像素是否是裂缝的一部分。然而现有的方法存在以下问题：仅关注裂缝的局部特征，容易受噪声影响；未考虑裂缝的空间关系以及连接性特征，检测结果不连续或有孤立点；检测任务单一，且未考虑裂缝的粗细情况，对于复杂情况下的裂缝检测不准确。
技术实现思路
针对现有技术中的问题，本专利技术实施例提供一种路面裂缝检测方法、装置、电子设备及介质。本专利技术第一方面实施例提供一种路面裂缝检测方法，包括：采集道路的路面图像；对所述路面图像进行预处理，得到分辨率梯度变化的多个输入图像；将所述多个输入图像输入预先训练的路面裂缝检测模型，得到计算结果；其中，所述路面裂缝检测模型是基于样本路面图像和所述样本路面图像的裂缝标记数据训练得到的，所述路面裂缝检测模型包括多个阶段，每个阶段间进行多次多尺度融合；根据所述路面裂缝检测模型的计算结果，输出检测结果。上述技术方案中，对所述路面图像进行预处理，得到多个输入图像，包括：降低所述路面图像的分辨率，生成分辨率梯度变化的多个输入图像。上述技术方案中，将所述多个输入图像输入预先训练的路面裂缝检测模型，包括：将所述分辨率梯度变化的多个输入图像分别输入预先训练的路面裂缝检测模型的多个阶段，其中每个阶段的输入图像的分辨率比下一阶段的输入图像的分辨率高。上述技术方案中，根据所述路面裂缝检测模型的计算结果，输出检测结果，包括：将所述路面图像分为多个大小相等的图像块；根据所述路面裂缝检测模型的输出阶段的计算结果，判断每个图像块中是否存在裂缝；对存在裂缝的图像块进行标注，以得到检测结果。上述技术方案中，方法还包括：获取所述样本路面图像；将所述样本路面图像分为大小相等的多个图像块，对每个图像块进行多任务标记，得到所述样本路面图像的裂缝标记数据；获取待训练的神经网络模型的初始参数；输入所述样本路面图像作为训练图像，输入所述样本路面图像的裂缝标记数据作为标签，采用深层监督的方式对所述神经网络模型进行训练，得到所述路面裂缝检测模型。上述技术方案中，对每个图像块进行多任务标记，得到所述样本路面图像的裂缝标记数据，包括：标记图像块中是否包含裂缝；当所述图像块中包含裂缝时，标记所述图像块中裂缝的裂缝类型，以及标记与所述图像块相邻的八个图像块中是否包含裂缝。上述技术方案中，输入所述样本路面图像作为训练图像，包括：根据所述神经网络模型的各个阶段所需，将所述样本路面图像处理成不同分辨率的训练图像，并输入各个对应的阶段。本专利技术第二方面实施例提供一种路面裂缝检测装置，包括：采集模块，用于采集道路的路面图像；图像预处理模块，用于对所述路面图像进行预处理，得到分辨率梯度变化的多个输入图像；检测模型处理模块，用于将所述多个输入图像输入预先训练的路面裂缝检测模型，得到计算结果；其中，所述路面裂缝检测模型是基于样本路面图像和所述样本路面图像的裂缝标记数据训练得到的，所述路面裂缝检测模型包括多个阶段，每个阶段间进行多次多尺度融合；检测结果输出模块，用于根据所述路面裂缝检测模型的计算结果，输出检测结果。本专利技术第三方面实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术第一方面实施例所述路面裂缝检测方法的步骤。本专利技术第四方面实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本专利技术第一方面实施例所述路面裂缝检测方法的步骤。本专利技术实施例提供的路面裂缝检测方法、装置、电子设备及存储介质，由于通过输入分辨率梯度变化的多个输入图像，使得所述路面裂缝检测模型能够获得更丰富的特征表示，从而根据裂缝的空间结构更精确地检测出路面图像中的裂缝。该路面裂缝检测方法通过使用对具有重复多尺度融合结构的神经网络模型进行深层监督的方式训练得到的路面裂缝检测模型，实现了对复杂情况下的路面裂缝检测，减弱了噪声影响，提高了检测精度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的路面裂缝检测方法的流程图；图2为本专利技术实施例提供的路面裂缝检测模型的训练过程的流程图；图3为本专利技术实施例提供的路面裂缝检测模型的示意图；图4为本专利技术实施例提供的路面裂缝检测装置的示意图；图5为本专利技术实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例提供的路面裂缝检测方法的流程图，如图1所示，本专利技术实施例提供的路面裂缝检测方法包括：步骤101，采集道路的路面图像。在本专利技术实施例中，可以将摄像装置以便携的方式架设在交通工具上，进行路面图像快速采集，为摄像装置配备去抖动技术，并为摄像装置增加补光器件，用于减少光线与阴影对路面图像采集的影响。步骤102，对所述路面图像进行预处理，得到分辨率梯度变化的多个输入图像。在本专利技术实施例中，需要进一步说明的是，对所述路面图像进行预处理，得到分辨率梯度变化的多个输入图像，包括：降低所述路面图像的分辨率，生成分辨率梯度变化的多个输入图像。可以通过对路面图像进行缩放来得到不同分辨率图像，也可以通过对路面图像进行一定的卷积和降采样操作来得到不同尺度的特征图。此外，还可以使用一些降低光照影响的预处理方法、去除无关噪声的预处理方法，如对采集的路面图像做中心化和标准化处理等。此步骤用于生成路面裂缝检测模型所需的输入图像。步骤103，将所述多个输入图像输入预先训练的路面裂缝检测模型，得到计算结果；其中，所述路面裂缝检测模型是基于样本路面图像和所述样本路面图像的裂缝标记本文档来自技高网...

【技术保护点】
1.一种路面裂缝检测方法，其特征在于，包括：/n采集道路的路面图像；/n对所述路面图像进行预处理，得到分辨率梯度变化的多个输入图像；/n将所述多个输入图像输入预先训练的路面裂缝检测模型，得到计算结果；其中，所述路面裂缝检测模型是基于样本路面图像和所述样本路面图像的裂缝标记数据训练得到的，所述路面裂缝检测模型包括多个阶段，每个阶段间进行多次多尺度融合；/n根据所述路面裂缝检测模型的计算结果，输出检测结果。/n

【技术特征摘要】
1.一种路面裂缝检测方法，其特征在于，包括：
采集道路的路面图像；
对所述路面图像进行预处理，得到分辨率梯度变化的多个输入图像；
将所述多个输入图像输入预先训练的路面裂缝检测模型，得到计算结果；其中，所述路面裂缝检测模型是基于样本路面图像和所述样本路面图像的裂缝标记数据训练得到的，所述路面裂缝检测模型包括多个阶段，每个阶段间进行多次多尺度融合；
根据所述路面裂缝检测模型的计算结果，输出检测结果。


2.根据权利要求1所述的路面裂缝检测方法，其特征在于，对所述路面图像进行预处理，得到分辨率梯度变化的多个输入图像，包括：
降低所述路面图像的分辨率，生成分辨率梯度变化的多个输入图像。


3.根据权利要求2所述的路面裂缝检测方法，其特征在于，将所述多个输入图像输入预先训练的路面裂缝检测模型，包括：
将所述分辨率梯度变化的多个输入图像分别输入所述路面裂缝检测模型的多个阶段，其中每个阶段的输入图像的分辨率比下一阶段的输入图像的分辨率高。


4.根据权利要求1所述的路面裂缝检测方法，其特征在于，根据所述路面裂缝检测模型的计算结果，输出检测结果，包括：
将所述路面图像分为多个大小相等的图像块；
根据所述路面裂缝检测模型的输出阶段的计算结果，判断每个图像块中是否存在裂缝；
对存在裂缝的图像块进行标注，以得到检测结果。


5.根据权利要求1-4任一项所述的路面裂缝检测方法，其特征在于，方法还包括：
获取样本路面图像；
将所述样本路面图像分为大小相等的多个图像块，对每个图像块进行多任务标记，得到所述样本路面图像的裂缝标记数据；
获取待训练的神经网络模型的初始参数；
输入所述样本路面图像作为训...

【专利技术属性】
技术研发人员：曾君，庞俊彪，李培育，段立娟，黄庆明，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11