【技术实现步骤摘要】
本专利技术涉及路面检测，尤其涉及一种路面缺陷检测方法、路面缺陷检测设备以及存储介质。
技术介绍
1、随着路面的老化和损坏，路面会出现不同程度的缺陷，路面裂纹是路面上常见的一种缺陷，路面裂纹主要包括龟裂、网裂、沥青条裂等。这些裂纹是由于路面老化、水分渗透、气候变化等因素引起的。这些裂纹的存在会加剧道路的破坏，并且对行车安全产生潜在威胁。因此，及时将这种潜在的危险检测出来并进行修补是必要的。
2、相关技术中，路面裂纹检测一般以数字图像处理技术为基础，对捕获的图片进行图像增强，图像去噪等预处理算法与阈值分割，边缘检测等图像分割算法结合，提高裂纹特征提取的效率。但是，由于路面图像特点不同，基于图像处理的路面裂纹检测方法不能自适应不同缺陷类型的情况，导致路面缺陷的检测的效率较低。
技术实现思路
1、本专利技术的主要目的在于提供一种路面缺陷检测方法、路面缺陷检测设备以及存储介质，旨在解决相关技术中路面缺陷检测的效率较低的技术问题。
2、一方面，本申请提供一种路面缺陷检测方法，包括：
3、获取待测路面图像；
4、将所述待测路面图像输入至训练后的路面缺陷检测模型中，得到所述待测路面的缺陷检测结果；所述缺陷检测结果包括无缺陷和存在的缺陷类型以及缺陷区域，所述缺陷类型包括龟裂、网裂和沥青条裂；
5、所述路面缺陷检测模型包括教师网络、重构学生网络和分割网络；
6、其中，所述教师网络，用于对输入的待测路面图像进行特征提取，得到不同尺寸
7、在一些可能的实施例中，所述教师网络为残差网络结构，所述残差网络结构包括三个不同维度的特征层；
8、所述对输入的待测路面图像进行特征提取，得到不同尺寸的第一特征信息、第二特征信息和第三特征信息，包括：
9、所述残差网络结构的三个不同维度的特征层分别对所述待测路面图像进行特征提取，分别得到所述第一特征信息、第二特征信息和第三特征信息。
10、在一些可能的实施例中，所述残差网络结构包括一个64×64×64的特征层、一个128×32×32的特征层以及一个256×16×16的特征层。
11、在一些可能的实施例中，所述重构学生网络包括包括编码器、解码器和多尺度特征融合模块；所述编码器和解码器均包括四个不同维度的特征层；
12、所述对输入的待测路面图像进行特征和重构，得到重构后不同尺寸的第四特征信息、第五特征信息和第六特征信息，包括：
13、所述编码器的特征层分别对所述待测路面图像进行特征提取，得到不同尺寸的特征信息；所述多尺度特征融合模块对所述编码器输出的不同尺寸的特征信息进行特征融合，得到融合后的特征信息；所述解码器的特征层分别对所述融合后的特征信息进行特征重构，得到所述第四特征信息、第五特征信息和第六特征信息。
14、在一些可能的实施例中，所述编码器包括：一个64×64×64的特征层、一个128×32×32的特征层、一个256×16×16的特征层以及一个512×8×8的特征层；
15、所述解码器包括：一个64×64×64的特征层、一个128×32×32的特征层、一个256×16×16的特征层以及一个512×8×8的特征层。
16、在一些可能的实施例中，所述分割网络包括空间通道重卷积模块和空间金字塔池；
17、其中，所述空间金字塔池的空洞卷积为：
18、k'＝k+(k-1)×(r-1)
19、其中，k为标准卷积核的大小，r为空洞卷积扩张率，k′为空洞卷积核的大小。
20、在一些可能的实施例中，在将所述待测路面图像输入至训练后的路面缺陷检测模型之前，还包括：
21、获取多个路面缺陷图像样本，以及各路面缺陷图像样本对应的缺陷类型和缺陷区域；
22、将所述各路面缺陷图像样本输入至初始路面缺陷检测模型中，得到所述各路面缺陷图像样本对应的预测缺陷类型和预测缺陷区域；
23、根据所述各路面缺陷图像样本对应的缺陷类型、缺陷区域、预测缺陷类型和预测缺陷区域对所述初始路面缺陷检测模型的模型参数进行更新，得到训练后的路面缺陷检测模型。
24、在一些可能的实施例中，所述路面缺陷检测方法还包括：获取路面无缺陷图像样本；
25、所述将所述各路面缺陷图像样本输入至初始路面缺陷检测模型中，得到所述各路面缺陷图像样本对应的预测缺陷类型和预测缺陷区域，包括：
26、将所述路面无缺陷图像样本输入至所述初始路面缺陷检测模型中的教师网络中，将所述多个路面缺陷图像样本输入至所述学生网络中，所述教师网络采用预训练好的权值，仅对所述学生网络进行训练；
27、在满足训练停止条件的情况下，冻结所述学生网络和教师网络的权值，将所述多个路面缺陷图像样本再次输入至所述教师网络和学生网络中，然后根据所述教师网络和学生网络的输出训练所述分割网络。
28、另一方面，本申请还提供一种路面缺陷检测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上述任一项所述的路面缺陷检测方法的步骤。
29、另一方面，本申请还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的路面缺陷检测方法的步骤。
30、依据本申请提供的路面缺陷检测方法，首先获取待测路面图像；然后将所述待测路面图像输入至训练后的路面缺陷检测模型中，得到所述待测路面的缺陷检测结果；所述缺陷检测结果包括无缺陷和存在的缺陷类型以及缺陷区域，所述缺陷类型包括龟裂、网裂和沥青条裂。其中，路面缺陷检测模型包括教师网络、重构学生网络和分割网络；所述教师网络，用于对输入的待测路面图像进行特征提取，得到不同尺寸的第一特征信息、第二特征信息和第三特征信息；所述重构学生网络，用于对输入的待测路面图像进行特征提取和重构，得到重构后不同尺寸的第四特征信息、第五特征信息和第六特征信息；所述分割网络，用于对所述第一特征信息、第二特征信息、第三特征信息、第四特征信息、第五特征信息和第六特征信息进行特征融合和特征采样，得到所述缺陷检测结果。可以看出，针对路面缺陷检测，本申请设计了适配的路面缺陷检测模型，提高了路面缺陷检测效率，且可以适用各种缺陷类型的检测。
本文档来自技高网...【技术保护点】
1.一种路面缺陷检测方法，其特征在于，包括：
2.如权利要求1所述的路面缺陷检测方法，其特征在于，所述教师网络为残差网络结构，所述残差网络结构包括三个不同维度的特征层；
3.如权利要求2所述的路面缺陷检测方法，其特征在于，所述残差网络结构包括一个64×64×64的特征层、一个128×32×32的特征层以及一个256×16×16的特征层。
4.如权利要求1-3任一项所述的路面缺陷检测方法，其特征在于，所述分割网络包括空间通道重卷积模块和空间金字塔池；
5.如权利要求1-3任一项所述的路面缺陷检测方法，其特征在于，在将所述待测路面图像输入至训练后的路面缺陷检测模型之前，还包括：
6.如权利要求5所述的路面缺陷检测方法，其特征在于，所述路面缺陷检测方法还包括：获取路面无缺陷图像样本；
7.一种路面缺陷检测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至6中任一项所述的路面缺陷检测方法的步骤。
8.一种存储介质，其
...【技术特征摘要】
1.一种路面缺陷检测方法，其特征在于，包括：
2.如权利要求1所述的路面缺陷检测方法，其特征在于，所述教师网络为残差网络结构，所述残差网络结构包括三个不同维度的特征层；
3.如权利要求2所述的路面缺陷检测方法，其特征在于，所述残差网络结构包括一个64×64×64的特征层、一个128×32×32的特征层以及一个256×16×16的特征层。
4.如权利要求1-3任一项所述的路面缺陷检测方法，其特征在于，所述分割网络包括空间通道重卷积模块和空间金字塔池；
5.如权利要求1-3任一项所述的路面缺陷检测方法，其特征在于...
【专利技术属性】
技术研发人员：吴清泉，崔开金，
申请(专利权)人：西光智途西安科技有限公司，
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。