【技术实现步骤摘要】
本申请属于道路智慧巡检，尤其涉及一种基于rdnet的道路病害检测方法、基于rdnet的道路病害检测装置、电子设备及计算机可读存储介质。
技术介绍
1、在当代城市规划和基础设施建设中，道路扮演着至关重要的角色。道路状况直接影响城市功能的高效性和居民生活的舒适度。然而，随着时间的推移，道路容易受到环境条件、交通压力和材料老化等多种因素的影响，使得其结构逐渐出现各种道路病害，如出现裂缝、坑洼和沉陷等道路病害。这些道路病害不仅损害驾乘体，甚至会验危及行车安全，还会缩短道路的有效寿命并增加维护成本。
2、如果能够及早发现道路病害并进行维护，可以延长道路的使用寿命并降低维护成本，同时保障行车安全和驾驶体验。在这个过程中，准确识别和评估道路病害至关重要。
3、尽管有许多基于图像处理技术的道路病害检测方法，但由于道路病害表现多样化且易受多种环境因素影响，道路病害的识别难度较大，使得这些检测方法的检测准确性偏低。
技术实现思路
1、本申请提供了一种基于的道路病害检测方法、基于rdnet的道路病害检测装置、电子设备及计算机可读存储介质，能够精确检测不同的道路病害。
2、第一方面，本申请提供了一种基于rdnet的道路病害检测方法，包括：
3、基于预先训练完成的rdnet的骨干网络对待检测图像进行特征提取，得到图像特征；待检测图像中至少包括道路；
4、基于rdnet的颈部网络对图像特征进行融合，得到融合特征；
5、基于rdnet的检测
6、其中，rdnet是骨干网络和/或颈部网络中的c3块被替换为跨阶段多分支卷积块的yolov5，跨阶段多分支卷积块基于跨阶段局部网络和多分支卷积网络设置。
7、第二方面，本申请提供了一种基于rdnet的道路病害检测装置，包括：
8、特征提取模块，用于基于预先训练完成的rdnet的骨干网络对待检测图像进行特征提取，得到图像特征；待检测图像中至少包括道路；
9、特征融合模块，用于基于rdnet的颈部网络对图像特征进行融合，得到融合特征；
10、检测模块，用于基于rdnet的检测网络对融合特征进行检测，得到待检测图像中基于rdnet的道路病害检测结果；
11、其中，rdnet是骨干网络和/或颈部网络中的c3块被替换为跨阶段多分支卷积块的yolov5，跨阶段多分支卷积块基于跨阶段局部网络和多分支卷积网络设置。
12、第三方面，本申请提供了一种电子设备，该电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上述第一方面的方法的步骤。
13、第四方面，本申请提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
14、第五方面，本申请提供了一种计算机程序产品，上述计算机程序产品包括计算机程序，上述计算机程序被一个或多个处理器执行时实现如上述第一方面的方法的步骤。
15、基于第一方面，本申请与现有技术相比存在的有益效果是：优化yolov5的骨干网络和/或颈部网络的网络结构，得到道路检测模型（road detection network ，rdnet）。具体地，是将yolov5原有的c3块替换为cspmbc块，cspmbc块基于cspnet和mbcnet集成得到的rdnet，能够提高骨干网络和/或颈部网络对道路病害特征的提取和表达能力。基于此，先通过rdnet的骨干网络对待处理图像进行特征提取，得到图像特征；然后通过rdnet的颈部网络对图像特征进行融合，得到融合特征。得益于优化后的骨干网络和/或颈部网络，可使得融合特征的感受野更多且表达能力更强，最后基于rdnet的检测网络对融合特征进行检测，可得到更精确的检测结果，让不同的道路病害都能够被准确识别。
16、可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
本文档来自技高网...【技术保护点】
1.一种基于RDNet的道路病害检测方法，其特征在于，包括：
2.如权利要求1所述的道路病害检测方法，其特征在于，针对输入所述跨阶段多分支卷积块的任一第一输入特征：
3.如权利要求1所述的道路病害检测方法，其特征在于，所述骨干网络中的空间金字塔池化块被替换为残差并行空洞卷积块，所述残差并行空洞卷积块包括至少2个以上不同膨胀率的空洞卷积层。
4.如权利要求3所述的道路病害检测方法，其特征在于，针对输入所述残差并行空洞卷积块的第二输入特征：
5.如权利要求1所述的道路病害检测方法，其特征在于，所述骨干网络和所述颈部网络通过自适应尺度空间注意力块连接，所述自适应尺度空间注意力块包括基于残差连接的空间感应层和注意力感应层。
6.如权利要求5所述的道路病害检测方法，其特征在于，针对输入所述自适应尺度空间注意力块的各尺度下的各第三输入特征：
7.如权利要求1至6任一项所述的道路病害检测方法，其特征在于，所述RDNet基于回归损失函数、置信度损失函数以及分类损失函数训练得到；所述分类损失函数为：
8.一种基于R
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于RDNet的道路病害检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于RDNet的道路病害检测方法。
...【技术特征摘要】
1.一种基于rdnet的道路病害检测方法，其特征在于，包括：
2.如权利要求1所述的道路病害检测方法，其特征在于，针对输入所述跨阶段多分支卷积块的任一第一输入特征：
3.如权利要求1所述的道路病害检测方法，其特征在于，所述骨干网络中的空间金字塔池化块被替换为残差并行空洞卷积块，所述残差并行空洞卷积块包括至少2个以上不同膨胀率的空洞卷积层。
4.如权利要求3所述的道路病害检测方法，其特征在于，针对输入所述残差并行空洞卷积块的第二输入特征：
5.如权利要求1所述的道路病害检测方法，其特征在于，所述骨干网络和所述颈部网络通过自适应尺度空间注意力块连接，所述自适应尺度空间注意力块包括基于残差连接的空间感应层和注意力感应层。
6.如权利要求5所述的道路病害检测方法，...
【专利技术属性】
技术研发人员：王鹏，刘加美，
申请(专利权)人：深圳市锐明像素科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。