一种基于深度学习图像分类的道路破损检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于深度学习图像分类的道路破损检测方法及装置，该方法包括以下步骤：第一步，采集不同道路场景类型图像和位置信息，形成样本图像集，并标记所述道路场景类型；第二步，标记所述道路场景类型；第三步，根据需要选择分类网络模型，进行模型的训练工作；第四步，将待检测道路的图像输入训练好的深度神经网络模型，得到分类结果；第五步，如果分类结果为道路破损类型，确认采集图像所对应的路段位置信息，输出所述道路破损类型和所述位置信息的提示信息。该方法提高了道路破损检测的准确率，不需要设置检测的阈值，实时性高，安装位置选择多样化。

Road damage detection method and device based on deep learning image classification

【技术实现步骤摘要】
一种基于深度学习图像分类的道路破损检测方法及装置
本专利技术涉及智能交通研究领域，尤其是公路管理部门进行路面养护管理的路面破损检测方法，具体涉及一种基于深度学习图像分类的道路破损检测方法及装置。
技术介绍
随着我国机动化水平的不断提高,城市基础设施建设发展迅速,城市面积不断扩张,城市道路里程和道路密度也随之迅速增加。然而受车辆载荷、气候条件等影响,加上设计方法、施工工艺、施工质量存在问题以及养护工作的滞后,道路路面破损现象十分常见。路面破损检测在道路维护中起着至关重要的作用，它有助于提供更高质量的运输服务。我国传统的道路破损检测工作主要采用人工检测，然而人工检测存在明显的缺陷：依赖工作人员经验，测量结果无统一标准，原始资料不完整，测量数据难以核准。目前存在的一些自动采集装置，组成部件繁多，且安装要求高，适用车型比较固定；基于Sobel边缘分离，形态学滤波的路面破损检测器，如果路面上存在人行道，垃圾等非道路破损型干扰时，该检测器容易失效导致结果不准。基于卷积神经网络的道路破损检测，实时性比较差，对设备硬件要求比较高。
技术实现思路
为了克服现有技术的不足，本专利技术的目的在于提供一种基于深本文档来自技高网...

【技术保护点】
1.一种基于深度学习图像分类的道路破损检测方法，其特征在于，包括如下具体步骤：第一步，采集不同道路场景类型图像和位置信息，形成样本图像集；第二步，标记所述道路场景类型；第三步，根据需要选择分类网络，进行模型的训练工作，构建深度神经网络模型；第四步，将待检测道路的图像输入训练好的所述深度神经网络模型，得到分类结果；第五步，如果分类结果为道路破损类型，确认采集图像所对应的路段位置信息，输出所述道路破损类型和所述位置信息的提示信息。

【技术特征摘要】
1.一种基于深度学习图像分类的道路破损检测方法，其特征在于，包括如下具体步骤：第一步，采集不同道路场景类型图像和位置信息，形成样本图像集；第二步，标记所述道路场景类型；第三步，根据需要选择分类网络，进行模型的训练工作，构建深度神经网络模型；第四步，将待检测道路的图像输入训练好的所述深度神经网络模型，得到分类结果；第五步，如果分类结果为道路破损类型，确认采集图像所对应的路段位置信息，输出所述道路破损类型和所述位置信息的提示信息。2.根据权利要求1所述的一种基于深度学习图像分类的道路破损检测方法，其特征在于，还包括：根据第一步中所述道路场景类型，对样本图像截取有效检测区域，并进行图像预处理，第二步中标记所述道路场景类型为所述截取有效检测区域的场景类型。3.根据权利要求1所述的一种基于深度学习图像分类的道路破损检测方法，其特征在于，所述第三步中分类网络为修改后的VGG网络，所述修改后的VGG网络，减少核的数量和网络的深度，增加了部署的实时运行速度。4.根据权利要求2所述的一种基于深度学习图像分类的道路破损检测方法，其特征在于，所述待检测道路的图像关联了当前GPS位置信息，同时所述待检测道路的图像经过截取有效检测区域，并使用所述图像预处理方法处理图片。5.根据权利要求1-4所述的任一种基于深度学习图像分类的道路破损检测方法，其特征在于，所述道路场景主要包含以下类型：1)正常道路，2)人行道，3)行人，4)车辆，5)下水道井盖，6)裂缝破损，7)坑陷破损，8)龟裂破损；所述道路破损类型主要包含以下类别：裂缝破损、坑陷破损、龟裂破损。6.一种基于深度学习图像分类的道路破损检测装置，其特征在于，包括获取单元、标记单元、深度神经网络计算单元、判断单元、输出单元，上述单元...

【专利技术属性】
技术研发人员：林坚，韩晓春，
申请(专利权)人：南京行者易智能交通科技有限公司，
类型：发明
国别省市：江苏,32