基于双神经网络优化的路面病害识别方法及系统技术方案

本发明专利技术实施例提供一种基于双神经网络优化的路面病害识别方法及系统，其中方法包括：确定待识别的路面病害图片；将所述待识别的路面病害图片输入至神经网络优化的识别模型中，得到所述神经网络优化的识别模型输出的路面病害识别结果；其中，所述神经网络优化的识别模型是基于路面病害的样本图片及所述样本图片的病害数据标注进行双神经网络的损失函数优化训练得到的。本发明专利技术实现了对路面病害的识别准确率和效率的提升。别准确率和效率的提升。别准确率和效率的提升。

【技术实现步骤摘要】
基于双神经网络优化的路面病害识别方法及系统


[0001]本专利技术涉及公路图像识别
，尤其涉及一种基于双神经网络优化的路面病害识别方法及系统。

技术介绍

[0002]随着公路总里程数不断增加，公路养护管理任务日益加重，如何快速、高效、准确、及时的对路面损坏状况进行检测、评定尤为重要。目前路面检测主要依靠检测车进行全路段数据采集，已实现自动化，而裂缝分割技术成为一大研究热点，提出了多种多样的识别算法。但是目前路面裂缝的自动分割算法通用性不高，且存在着精度和速度上的矛盾，需要进一步研发高效稳健的算法。

技术实现思路

[0003]本专利技术提供一种基于双神经网络优化的路面病害识别方法及系统，用以解决目前路面裂缝的自动分割算法对路面病害的识别准确率和效率不高的问题。
[0004]本专利技术提供一种基于双神经网络优化的路面病害识别方法，包括：
[0005]确定待识别的路面病害图片；
[0006]将所述待识别的路面病害图片输入至神经网络优化的识别模型中，得到所述神经网络优化的识别模型输出的路面病害识别结果；...

【技术保护点】

【技术特征摘要】
1.一种基于双神经网络优化的路面病害识别方法，其特征在于，包括：确定待识别的路面病害图片；将所述待识别的路面病害图片输入至神经网络优化的识别模型中，得到所述神经网络优化的识别模型输出的路面病害识别结果；其中，所述神经网络优化的识别模型是基于路面病害的样本图片及所述样本图片的病害数据标注进行双神经网络的损失函数优化训练得到的。2.根据权利要求1所述的基于双神经网络优化的路面病害识别方法，其特征在于，所述神经网络优化的识别模型包括图片预处理模型、候选框优化模型、传输连接块和目标检测模型；将所述待识别的路面病害图片输入至神经网络优化的识别模型中，得到所述神经网络优化的识别模型输出的路面病害识别结果，包括：将所述待识别的路面病害图片输入所述图片预处理模型，输出预处理后的路面病害图片；将所述预处理后的路面病害图片输入所述候选框优化模型，输出每个特征层中优化后的候选框和相应的每个特征层的特征图；将所述每个特征层的特征图输入所述传输连接块，输出每个特征层的可变形卷积的特征图；将所述每个特征层中优化后的候选框和所述每个特征层的可变形卷积的特征图输入所述目标检测模型，输出所述路面病害识别结果。3.根据权利要求2所述的基于双神经网络优化的路面病害识别方法，其特征在于，所述神经网络优化的识别模型是基于路面病害的样本图片及所述样本图片的病害数据标注进行双神经网络的损失函数优化训练得到的，包括：将所述路面病害的样本图片及所述样本图片对应的病害分类标注输入预设的特征提取神经网络的卷积层和平均池化层，分别得到所述候选框优化模型的损失值集合和所述目标检测模型的损失值集合；将所述候选框优化模型的损失值集合和所述目标检测模型的损失值集合进行加权处理后确定出最小损失值；根据确定出的最小损失值更新所述预设的特征提取双神经网络的卷积层和平均池化层的参数，得到所述神经网络优化的识别模型。4.根据权利要求2所述的基于双神经网络优化的路面病害识别方法，其特征在于，将所述每个特征层的特征图输入所述传输连接块，输出每个特征层的可变形卷积的特征图，包括：基于所述每个特征层的特征图生成所述待识别的路面病害图片中每个像素的偏移量；基于所述每个特征层的特征图和所述待识别的路面病害图片中每个像素的偏移量进行卷积运算得到所述每个特征层的可变形卷积的特征图。5.一种基于双神经网络优化的路面病害识别系统，其特征在于，包括：图片确定单元，用于确定待识别的路面病害图片；...

【专利技术属性】
技术研发人员：杜晓岱，安勇，李静，
申请(专利权)人：北京洞微科技发展有限公司，
类型：发明
国别省市：