一种基于卷积神经网络的道路破损检测方法及装置制造方法及图纸

本发明专利技术提供了一种基于卷积神经网络的道路破损检测方法及装置，方法包括：获取至少一个样本破损区域分别对应的样本图像，根据各个样本图像确定卷积神经网络模型；采集待检测道路的至少一个切割路段所分别对应的采集图像；针对于每一个采集图像，均执行：利用卷积神经网络模型提取采集图像的至少一个特征区域，并根据提取的各个特征区域确定采集图像所对应的切割路段是否存在破损区域；当采集图像所对应的切割路段存在破损区域时，确定采集图像所对应的切割路段的位置信息，生成携带位置信息的破损提示信息，并提供。通过本发明专利技术的技术方案，可更为准确的得到道路上各个破损区域所分别对应的位置信息。

A method and device for road damage detection based on convolution neural network

The invention provides a damage detection method and device, convolutional neural network based road method comprises the following steps: acquiring at least one sample image region corresponding to the damaged samples, determined according to the convolution neural network model of each sample image acquisition image; at least one cutting section to be detected by the way of acquisition corresponding to each; a collection of images, both the implementation of at least one feature region extraction: image acquisition using convolutional neural network model, and according to the different feature extraction to determine the cutting section of the corresponding image acquisition is the existence of the damaged area; when the cutting section of the corresponding image acquisition has damaged area, determining the location information corresponding to the cutting section the image collection, generating position information of the portable damage and provide prompt information. Through the technical scheme of the invention, the location information corresponding to each damaged area on the road can be obtained more accurately.

【技术实现步骤摘要】
一种基于卷积神经网络的道路破损检测方法及装置
本专利技术涉及交通工程
，特别涉及一种基于卷积神经网络的道路破损检测方法及装置。
技术介绍
道路承载着最繁重的交通运输任务，随着我国经济水平的快速提高，无轨车辆的数量大量增多，导致道路压力空前高涨，使得道路极易出现破损区域。相应的，道路出现破损区域时，则可能阻碍交通运行，因此，为方便及时针对破损区域进行维护，如何检测道路中是否存在破损区域、以及检测破损区域的位置信息则成为亟待解决的问题。目前，主要依靠人工巡查的方式检测道路是否存在破损区域，并依靠人工记录道路上破损区域所对应的位置信息，人工介入程度较高，检测的各个破损区域所分别对应的位置信息的准确性偏低。
技术实现思路
本专利技术实施例提供了一种基于卷积神经网络的道路破损检测方法及装置，可更为准确的得到道路上各个破损区域所分别对应的位置信息。第一方面，本专利技术提供了一种基于卷积神经网络的道路破损检测方法，包括：获取至少一个样本破损区域分别对应的样本图像，根据各个所述样本图像确定卷积神经网络模型；采集待检测道路的至少一个切割路段所分别对应的采集图像；针对于每一个所述采集图像，均执行：利用本文档来自技高网...

【技术保护点】
一种基于卷积神经网络的道路破损检测方法，其特征在于，包括：获取至少一个样本破损区域分别对应的样本图像，根据各个所述样本图像确定卷积神经网络模型；还包括：采集待检测道路的至少一个切割路段所分别对应的采集图像；针对于每一个所述采集图像，均执行：利用所述卷积神经网络模型提取所述采集图像的至少一个特征区域，并根据提取的各个所述特征区域确定所述采集图像所对应的切割路段是否存在破损区域；当所述采集图像所对应的切割路段存在破损区域时，确定所述采集图像所对应的切割路段的位置信息，生成携带所述位置信息的破损提示信息，并提供。

【技术特征摘要】
1.一种基于卷积神经网络的道路破损检测方法，其特征在于，包括：获取至少一个样本破损区域分别对应的样本图像，根据各个所述样本图像确定卷积神经网络模型；还包括：采集待检测道路的至少一个切割路段所分别对应的采集图像；针对于每一个所述采集图像，均执行：利用所述卷积神经网络模型提取所述采集图像的至少一个特征区域，并根据提取的各个所述特征区域确定所述采集图像所对应的切割路段是否存在破损区域；当所述采集图像所对应的切割路段存在破损区域时，确定所述采集图像所对应的切割路段的位置信息，生成携带所述位置信息的破损提示信息，并提供。2.根据权利要求1所述的方法，其特征在于，所述根据各个所述样本图像确定卷积神经网络模型，包括：标记各个所述样本图像中对应于所述样本破损区域的候选图像区域，并标记各个所述候选图像区域分别对应的破损类型；根据各个所述候选图像区域，确定卷积神经网络模型的RPN网络模型；根据各个所述候选图像区域及各个所述候选图像区域所分别对应的破损类型确定卷积神经网络的FastR-CNN网络模型；则，所述利用所述卷积神经网络模型提取所述采集图像的至少一个特征区域，并根据提取的各个所述特征区域确定所述采集图像所对应的切割路段是否存在破损区域，包括：利用所述RPN网络模型提取所述采集图像的至少一个特征区域；针对于每一个所述特征区域，利用所述FastR-CNN网络模型执行：确定所述特征区域所对应的目标破损类型，并计算所述特征区域与各个所述候选图像区域中对应破损类型为所述目标破损类型的各个目标候选图像区域之间所对应的特征相似度；当存在至少一个目标特征相似度大于设定数值时，确定所述采集图像所对应的切割路段存在破损区域。3.根据权利要求2所述的方法，其特征在于，所述确定所述采集图像所对应的切割路段存在破损区域，进一步包括：输出所述目标破损类型；则，所述生成携带所述位置信息的破损提示信息，包括：生成携带所述目标破损类型和所述位置信息的破损提示信息。4.根据权利要求2所述的方法，其特征在于，所述破损类型包括：网状破损、坑状破损及条状破损中的任意一种或多种。5.一种基于卷积神经网络的道路破损检测装置，其特征在于，包括：训练模块，用于获取至少一个样本破损区域分别对应的样本图像，根据各个所述样本图像确定卷积神经网络模型；图像采集模块，用于采集待检测道路的至少一个切割路段所分别对应的采集图像；所述卷积...

【专利技术属性】
技术研发人员：高岩，段成德，于治楼，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：山东,37