本申请涉及一种水泥路面裂缝检测方法，基于训练得到的水泥裂缝检测模型获取裂缝检测结果，水泥裂缝检测模型训练过程采用的图像数据先经过缺失数据处理，以提升图像数据质量；水泥裂缝检测模型对特征提取过程进行了改进，以实现更高效的特征提取，此外，使用网格扩张卷积以及可变形网格空间卷积空间金字塔，提高水泥裂缝检测模型的检测效率和准确性。
1、裂缝是路面各类破损中最常见、最易发生和最早期产生的病害之一，一般分为横向裂缝，纵向裂缝和网状裂缝。初期的裂缝对路面的使用性能无明显影响，但它伴随着道路的整个使用期，如果处理不及时，环境因素的影响以及大量行车载荷反复作用下，裂缝也会随之逐渐加重。路面出现裂缝不但影响道路美观和行车的舒适性，而且容易扩展造成路面的结构性破坏，缩短路面的使用寿命，甚至会很大程度上影响行车的安全性。因此，如何对裂缝进行实时、准确和高效的检测,成为公路管理养护部门十分关注的问题。
2、在以往的裂缝检测，主要是靠人工对道路情况进行测量和评定，这种人工检测方法耗时长、成本高且准确性低等缺点。而半自动检测法虽然在一定程度上对前者进行了改进，但是仍然存在检测人工成本高、检测结果准确率低的问题。
3、另外，基于路面基线的处理算法中，现有技术中提出的基于傅里叶滤波提出的基线改进算法，提取出的路面基准线是断裂的，无法形成连续的基准曲线，使得提取出的裂缝不够完善，不够精准。
>6、基于模型训练数据集训练裂缝检测模型，得到训练后的裂缝检测模型；裂缝检测模型包括特征提取模块、特征增强模块和检测头，特征提取模块用于对图像进行特征提取，得到特征图，特征增强模块用于对特征图进行特征增强，得到增强后的特征图，检测头用于基于增强后的特征图，输出裂缝检测结果；7、将待检测的水泥路面图像进行缺失值处理，并将处理后的图像输入到训练后的裂缝检测模型中，得到裂缝检测结果。
8、在一个实施例中，对二维图像进行缺失值处理，包括：
9、确定二维图像中的每个缺失点的邻域点；
10、计算每个邻域点的距离特征、值特征和梯度特征；
11、根据距离特征、值特征和梯度特征，计算距离权重、值相似性权重和梯度相似性权重；
12、综合距离权重、值相似性权重和梯度相似性权重，得到每个邻域点的最终的权重；
13、根据每个邻域点的最终的权重和每个邻域点的深度值，确定缺失点的缺失值。
14、在一个实施例中，确定二维图像中的每个缺失点的邻域点，包括：
15、确定缺失点p的邻域范围：
16、xmin＝max(0,xp-1)
17、xmax＝min(m-1,xp+1)
18、ymin＝max(0,yp-1)
19、ymax＝min(n-1,yp+1)
20、其中，xmin、xmax分别为邻域范围的x方向的最小值、最大值，ymin、ymax分别为邻域范围的y方向的最小值、最大值，(xp,yp)为缺失点p的坐标，m为二维图像的长度，n为二维图像的宽度；
21、获取缺失点p的邻域范围内的像素点，即为缺失点p的邻域点：
22、xmin<xi<xmax
23、ymin<yi<ymax
24、其中，(xi,yi)为第i个邻域点的坐标。
25、在一个实施例中，计算每个邻域点的距离特征、值特征和梯度特征，包括：
26、邻域点的距离特征：
27、
28、其中，d(i,p)为第i个邻域点的距离特征，p为缺失点，(xi,yi)为第i个邻域点的坐标，(xp,yp)为缺失点p的坐标；
29、邻域点的值特征：
30、
31、其中，δvi为第i个邻域点的值特征，vi为第i个邻域点的深度值，为全部邻域点的深度值的均值；
32、邻域点的梯度特征：
33、
34、其中，δgi为第i个邻域点的梯度特征，gi为第i个邻域点的梯度值，为全部邻域点的梯度值的均值。
35、在一个实施例中，根据距离特征、值特征和梯度特征，计算距离权重、值相似性权重和梯度相似性权重，包括：
36、距离权重：
37、
38、其中，wdi的第i个邻域点的距离权重，d(i,p)为第i个邻域点的距离特征，σd为距离特征的标准差；
39、值相似性权重：
40、
41、其中，wvi的第i个邻域点的值相似性权重，δvi为第i个邻域点的值特征，σv为值特征的标准差；
42、梯度相似性权重：
43、
44、其中，wgi的第i个邻域点的梯度相似性权重，δgi为第i个邻域点的梯度特征，σg为梯度特征的标准差。
45、在一个实施例中，综合距离权重、值相似性权重和梯度相似性权重，得到每个邻域点的最终的权重，包括：
46、每个邻域点的最终的权重，采用以下公式表示：
47、
48、其中，为第i个邻域点的最终的权重，wdi、wvi、wgi分别为第i个邻域点的距离权重、值相似性权重和梯度相似性权重，n(p)为缺失点p的邻域集合，j为第j个邻域点，wdj、wvj、wgj分别为第j个邻域点的距离权重、值相似性权重和梯度相似性权重。
49、在一个实施例中，根据每个邻域点的最终的权重和每个邻域点的深度值，确定缺失点的缺失值，包括：
50、缺失点的缺失值，采用以下公式表示：
51、
52、其中，d(p)为缺失点p的缺失值，n(p)为缺失点p的邻域集合，i为第i个邻域点，为第i个邻域点的最终的权重，vi为第i个邻域点的深度值。
53、在一个实施例中，特征提取模块包括依次连接的第一cbs模块、第二cbs模块、第一c2fpc模块、第三cbs模块、第二c2fpc模块、第四cbs模块、第三c2fpc模块、第五cbs模块、第四c2fpc模块、sppf模块；一cbs模块、第二cbs模块、第三cbs模块、第四cbs模块的结构相同，第一c2fpc模块、第二c2fpc模块、第三c2fpc模块、第四c2fpc模块的结构相同；
54、第一cbs模块包括依次连接的第一conv模块、bn模块和silu模块；
55、第一c2fpc模块包括第二conv模块、split模块、pcblock模块、concat模块、第三conv模块，pcblock模块包括n个pcblock单元；
56、第二conv模块的输出输入到split模块进行分割处理，得到第一部分和第二部分；第一部分输入到pcblock模块中，每个pcblock单元的输出以及第二部分输入到concat模块进行拼接，拼接结果输入到第三con本文档来自技高网...
【技术保护点】
1.一种水泥路面裂缝检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，其中，对所述二维图像进行缺失值处理，包括：
3.如权利要求2所述的方法，其特征在于，其中，确定所述二维图像中的每个缺失点的邻域点，包括：
4.如权利要求2所述的方法，其特征在于，其中，计算每个所述邻域点的距离特征、值特征和梯度特征，包括：
5.如权利要求2所述的方法，其特征在于，其中，根据所述距离特征、所述值特征和所述梯度特征，计算距离权重、值相似性权重和梯度相似性权重，包括：
6.如权利要求2所述的方法，其特征在于，其中，综合所述距离权重、所述值相似性权重和所述梯度相似性权重，得到每个邻域点的最终的权重，包括：
7.如权利要求2所述的方法，其特征在于，其中，根据所述每个邻域点的最终的权重和每个邻域点的深度值，确定缺失点的缺失值，包括：
8.如权利要求1所述的方法，其特征在于，所述特征提取模块包括依次连接的第一CBS模块、第二CBS模块、第一C2fPC模块、第三CBS模块、第二C2fPC模块、第四CBS模块、第三C2fPC模块、第五CBS模块、第四C2fPC模块、SPPF模块；所述一CBS模块、所述第二CBS模块、所述第三CBS模块、所述第四CBS模块的结构相同，所述第一C2fPC模块、第二C2fPC模块、第三C2fPC模块、第四C2fPC模块的结构相同；
9.如权利要求1所述的方法，其特征在于，所述特征增强模块的输入包括三部分，分别为第二C2fPC模块的输出、第三C2fPC模块的输出、SPPF模块的输出；
10.一种水泥路面裂缝检测装置，其特征在于，包括：
...
【技术特征摘要】
1.一种水泥路面裂缝检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，其中，对所述二维图像进行缺失值处理，包括：
3.如权利要求2所述的方法，其特征在于，其中，确定所述二维图像中的每个缺失点的邻域点，包括：
4.如权利要求2所述的方法，其特征在于，其中，计算每个所述邻域点的距离特征、值特征和梯度特征，包括：
5.如权利要求2所述的方法，其特征在于，其中，根据所述距离特征、所述值特征和所述梯度特征，计算距离权重、值相似性权重和梯度相似性权重，包括：
6.如权利要求2所述的方法，其特征在于，其中，综合所述距离权重、所述值相似性权重和所述梯度相似性权重，得到每个邻域点的最终的权重，包括：
7.如权利要求2所述的方法，其特征在于，其中，根据所述每...
【专利技术属性】
技术研发人员：贾非，姜宏维，张艳红，朱慈祥，仝鑫隆，孙天成，郭晨伟，张昊煜，何建彬，赵家彬，牛妤冰，王宪伟，段志，许晓建，王文辉，杨松，
申请(专利权)人：中国公路工程咨询集团有限公司，
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。