用于智能评估杂草对于路面通行的影响的方法技术

本申请涉及智慧交通领域下的智能状态监控，其具体地公开了一种用于智能评估杂草对于路面通行的影响的方法，其通过基于计算机视觉技术来对路面图像进行特征识别，并将以上评估通行能力的问题转化为基于识别出的特征的分类问题。特别地，在评估过程中，其以卷积深度神经网络利用随机游走的思想通过确定路面图像在高维特征中杂草延伸的最远位置距离所述缝隙所在的特征位置的像素数目，以表达出高维空间内的杂草从缝隙处向外延伸的延伸特征，然后，对用于表示所述杂草的延伸特征的特征向量进行一维卷积处理并通过分类器，以获得用于表示所述路面上长出的杂草对于路面通行能力的影响是否超过预定标准的分类结果，通过这样的方式，提高分类的准确性。提高分类的准确性。提高分类的准确性。

【技术实现步骤摘要】
用于智能评估杂草对于路面通行的影响的方法


[0001]本专利技术涉及智慧交通领域下的智能状态监控，且更为具体地，涉及一种用于智能评估杂草对于路面通行的影响的方法、用于智能评估杂草对于路面通行的影响的系统和电子设备。

技术介绍

[0002]目前，乡村中的低等级路面一般都采用水泥地面，水泥地面在经过长时间风吹雨晒会留有缝隙，且由于野外环境下存在多种杂草，使得经过一段时间之后缝隙中会长出杂草，影响路面通行。由于目前水泥地面缝隙处除草都需要雇佣工人手动摘除，虽然雇佣成本较低，但效率低下，同时从水泥地面缝隙中铲出的杂草又需要工人进行打扫清理，进一步增加了劳动力。
[0003]因此，期待一种优化的用于智能评估杂草对于路面通行的影响的技术方案。
[0004]目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
[0005]深度学习以及神经网络的发展为智能评估杂草对于路面通行的影响提供了新的解决思本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于智能评估杂草对于路面通行的影响的方法，其特征在于，包括：获取待检测图像，所述待检测图像为包含杂草的路面的图像，所述杂草生长在路面的缝隙中；将所述待检测图像通过深度卷积神经网络，以从所述待检测图像中提取出特征图；确定所述特征图中所述路面的缝隙对应的线性感兴趣区域，以获得一组特征位置；确定所述特征图中生长于所述路面的缝隙中的杂草对象，并获得对应于每个特征位置的所述杂草对象延伸的最远位置，以获得由一组最远位置的像素点距离所述特征位置的像素数目构成的特征向量；对所述特征向量进行一维卷积处理，以从所述特征向量中提取出分类特征向量；以及将所述分类特征向量通过分类器，以获得分类结果，其中，分类结果用于表示所述路面上长出的杂草对于路面通行能力的影响是否超过预定标准。2.根据权利要求1所述的用于智能评估杂草对于路面通行的影响的方法，其中，确定所述特征图中所述路面的缝隙对应的线性感兴趣区域，以获得一组特征位置，包括：通过图像语义分割技术，标识出所述特征图中所述路面的缝隙对象；及将所述缝隙对象的像素点位置确定为所述一组特征位置。3.根据权利要求1所述的用于智能评估杂草对于路面通行的影响的方法，其中，确定所述特征图中生长于所述路面的缝隙中的杂草对象，包括：通过图像语义分割技术，标识出所述特征图中生长于所述路面的缝隙中的杂草对象。4.根据权利要求1所述的用于智能评估杂草对于路面通行的影响的方法，其中，将所述分类特征向量通过分类器，以获得分类结果，包括：将所述分类特征向量通过Softmax分类函数，以获得所述路面上长出的杂草对于路面通行能力的影响超过预定标准的第一概率和所述路面上长出的杂草对于路面通行能力的影响没超过预定标准的第二概率；以及基于所述第一概率和所述第二概率，确定所述路面上长出的杂草对于路面通行能力的影响是否超过预定标准。5.根据权利要求1所述的用于智能评估杂草对于路面通行的影响的方法，其中，所述深度卷积神经网络为深度残差网络。6.一种用于智能评估杂草对于路面通行的影响的系统，其特征在于，包括：待检测图像获取单元，用于获取待检测图像，所述待检测图像为包含杂草的路面的图像，所述杂草生长在路面的缝隙中；特征图生成单元，用于将所述待检测...

【专利技术属性】
技术研发人员：张学龙，
申请(专利权)人：成都沱肜缶科技有限公司，
类型：发明
国别省市：