一种基于卷积神经网络的沥青路面裂缝分类识别方法技术

本发明专利技术公开了一种基于卷积神经网络的沥青路面裂缝分类识别方法，通过依据不同宽度与形状裂缝的修补策略不同，将道路裂缝分类，对样本图片做相应标记并预处理，训练搭建好的卷积神经网络，运用训练好的卷积神经网络分类出图片裂缝信息，依据裂缝宽度和形状划分裂缝严重等级，按照预先的分类的方式将图像中的裂缝信息自动分类出来，并且进行严重等级划分，不仅提高了裂缝识别的效率，而且极大的方便了道路养护与维修工作，利用卷积神经网络算法作为分类器对道路裂缝进行分类；卷积神经网络是分层神经网络，由卷积层和采样层交替组成，能够隐式的从训练数据中学习特征，对于无规律、无显著特征的裂缝做分类时，具有较大优势。

An asphalt pavement crack classification recognition method based on convolutional neural network

The invention discloses an asphalt pavement crack classification method based on convolutional neural network, with different width and shape of crack repair strategy according to different road crack classification, mark accordingly and the pretreatment of the sample images, convolutional neural network training set, using the classification of convolutional neural network trained out of the picture crack information, crack width and crack shape divided according to severity, according to predefined classification methods will crack information in the image automatic classification, and severe grades, not only improve the crack recognition efficiency, but also greatly facilitate the road maintenance and maintenance work, using the algorithm of convolution neural network as classifier on the road crack; convolutional neural network is layered neural network, and the sampling volume by layer composed of alternating layers, can Implicit learning characteristics from the training data, for irregular, no significant characteristics of the classification of cracks, has a greater advantage.

【技术实现步骤摘要】
一种基于卷积神经网络的沥青路面裂缝分类识别方法
本专利技术属于道路裂缝分类识别
，具体涉及一种基于卷积神经网络的沥青路面裂缝分类识别方法。
技术介绍
近年来我国道路建设大规模发展，与此同时道路的养护也成为了重要的工作内容，并且裂缝的检测与分类识别在养护中占很大一部分。在道路使用过程中，路面的寿命会随着车辆载荷以及周围环境的影响逐渐减少，造成道路使用效率以及车辆行驶安全性大大降低。引起道路出现裂缝的原因有很多，不同原因生成裂缝的不同形状，并且对于不同宽度与形状的裂缝，修补策略有很大的区别。现如今我国公路的消耗不断增加，道路裂缝的识别主要依靠人工或者半自动方式，但是这种方式不仅需要消耗大量人力和物力，而且工作效率大大降低，识别的精度和可靠性远远不能满足我国公路的发展需求。
技术实现思路
本专利技术的目的在于提供一种基于卷积神经网络的沥青路面裂缝分类识别方法，解决了目前主要依靠人力识别道路裂缝的弊端，运用深度学习算法训练卷积神经网络提高了裂缝分类精度与可靠性，并且划分裂缝严重等级，直观反映出图像中裂缝的严重程度，对于道路损害程度的研究以及裂缝修补策略的制定提供了很大的方便。为达到上述目的本文档来自技高网...

【技术保护点】
一种基于卷积神经网络的沥青路面裂缝分类识别方法，其特征在于，具体包括以下步骤：1)、首先采集道路路面视频信息；2)、将裂缝的宽度和形状进行类别划分；3)、然后建立裂缝图片样本集；4)、根据步骤3)取得的图片样本集建立卷积神经网络结构模型；5)、将采集到的道路信息图片传入步骤4)建立的采集道路路面视频信息，经卷积神经网络分类后得出该图片裂缝宽度标签和形状标签；6)、用分类器将图片划分之后，将裂缝宽度与形状均赋予权重，用两者共同确定此裂缝的严重等级；7)、最终根据得到的裂缝严重等级与对应道路信息生成图像裂缝信息。

【技术特征摘要】
1.一种基于卷积神经网络的沥青路面裂缝分类识别方法，其特征在于，具体包括以下步骤：1)、首先采集道路路面视频信息；2)、将裂缝的宽度和形状进行类别划分；3)、然后建立裂缝图片样本集；4)、根据步骤3)取得的图片样本集建立卷积神经网络结构模型；5)、将采集到的道路信息图片传入步骤4)建立的采集道路路面视频信息，经卷积神经网络分类后得出该图片裂缝宽度标签和形状标签；6)、用分类器将图片划分之后，将裂缝宽度与形状均赋予权重，用两者共同确定此裂缝的严重等级；7)、最终根据得到的裂缝严重等级与对应道路信息生成图像裂缝信息。2.根据权利要求1所述的一种基于卷积神经网络的沥青路面裂缝分类识别方法，其特征在于，步骤1)中，使用带有高分辨率面阵相机和GPS的道路检测车采集不同路段、不同时间段和不同天气条件下的沥青路面视频，并且实时记录视频图片对应的桩号和车道号，桩号用“k”表示，车道号用“#”表示。3.根据权利要求1所述的一种基于卷积神经网络的沥青路面裂缝分类识别方法，其特征在于，步骤2)中，分别将裂缝的宽度和形状进行类别划分，将无裂缝信息、宽度信息、形状信息分别标记为N、P和Q；将不含有道路裂缝图像的宽度和形状信息分别标记为NP与NQ；将宽度范围分别为w≤2mm，2<w≤5mm,5<w≤10mm,w>10mm的裂缝依次称为微裂缝、小裂缝、中裂缝和大裂缝，依次标记为P1、P2、P3、P4；对裂缝的形状进行划分为横向裂缝、纵向裂缝、块状裂缝和龟裂裂缝，将其分别标记为Q1、Q2、Q3、Q4。4.根据权利要求1所述的一种基于卷积神经网络的沥青路面裂缝分类识别方法，其特征在于，步骤3)中，利用视频软件逐帧截取图片，选取若干张裂缝的图片分为样本集的训练集和测试集；根据实际测量的裂缝信息标记图片裂缝的宽度和形状类别信息，分别作为图片样本的训练类别标签和测试类别标签。5.根据权利要求4所述的一种基于卷积神经网络的沥青路面裂缝分类识别方法，其特征在于，然后对选取的样本集图片进行灰度化、直方图均衡、对比度增强的预处理操作。6.根据权利要求1所述的一种基于卷积神经网络的沥青路面裂缝分类识别方法，其特征在于，步骤4)中，其中卷积神经网络包括输入层、输出层、2个用于特征提取的卷积层、2个特征优化选取的采样层和1个全连接层；1)输入层S：输入层的输入为一幅图像，尺寸为32×32；2)卷积层C1：将输入层输入的特征图进行卷积得到卷积层C1的特征图；其计算按公式：其中表示卷积层C1中第l个特征图的一个...

【专利技术属性】
技术研发人员：韩毅，谢宁猛，薛诺诺，蒋拯民，何爱生，韩婷，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61