一种基于语义分割网络的路面损伤检测方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种基于语义分割网络的路面损伤检测方法、装置和存储介质，方法包括以下步骤：获取路面图像；对路面图像进行预处理；构建并训练基于层次特征的语义分割网络。通过基于层次特征的语义分割网络，由四个分割块分别得到四个子输出，再进行加权平均确定最终受损区域，具有较高的具有较高的像素精度和较高的检测精度，实现了智能化的路面损伤检测。未来有望通过有效检测不良路况，在确保安全驾驶方面发挥重要作用。方面发挥重要作用。方面发挥重要作用。

【技术实现步骤摘要】
一种基于语义分割网络的路面损伤检测方法、装置和存储介质


[0001]本专利技术涉及计算机视觉领域，尤其是一种基于语义分割网络的路面损伤检测方法、装置和存储介质。

技术介绍

[0002]我国现有的公路里程数已突破480万公里，每年投入公路养护的投资额度达到数千亿元，对公路进行维修养护的工作量逐年提高。
[0003]公路路面随着使用年限的提高和交通荷载的作用，会逐渐出现裂痕、坑洼、凸起等损伤；若不及时修补，不仅会加重路面损伤，还可能导致行车意外的发生。现有的损伤检测方案主要是通过人工拍摄观测，其工作效率较低，且容易出错，在公路养护工作量逐年提高的当下越来越不适应时代发展。
[0004]计算机视觉技术近年来取得长足发展，通过神经网络实现路面损伤检测成为可能。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供一种电脑。
[0006]本专利技术的第一方面提供了一种基于语义分割网络的路面损伤检测方法，包括以下步骤：
[0007]获取路面图像；
[0008]对路面图像进行预处理；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语义分割网络的路面损伤检测方法，其特征在于，包括以下步骤：获取路面图像；对路面图像进行预处理；构建并训练基于层次特征的语义分割网络；所述基于层次特征的语义分割网络，工作步骤包括：将路面图像输入第一分割块，得到第一子输出和第一中间数据；将所述第一中间数据输入第二分割块，得到第二子输出和第二中间数据；将所述第二中间数据输入第三分割块，得到第三子输出和第三中间数据；将所述第三中间数据输入第四分割块，得到第四子输出；将所述第一子输出、第二子输出、第三子输出和第四子输出进行加权计算，得到最终输出。2.根据权利要求1所述的一种基于语义分割网络的路面损伤检测方法，其特征在于，所述对路面图像进行预处理，具体包括：对路面图像进行标记，包括使用图像注释工具，在路面图像中绘制损伤区域；对路面图像进行图像增强，包括调整路面图像的亮度、向路面图像中添加随机模糊效果和对路面图像应用对比度归一化处理。3.根据权利要求2所述的一种基于语义分割网络的路面损伤检测方法，其特征在于，所述路面图像中含有纵向裂纹损伤、横向裂纹损伤、鳄鱼裂纹损伤和车辙、凸起、凹坑和分离；所述对路面图像进行标记，还包括：对纵向裂纹损伤添加第一标记、对横向裂纹损伤添加第二标记、对鳄鱼裂纹损伤添加第三标记及对车辙、凸起、凹坑和分离添加第四标记。4.根据权利要求1所述的一种基于语义分割网络的路面损伤检测方法，其特征在于，所述第一分割块、第二分割块和第三分割块之后，各接有一个过渡块；过渡块包括卷积块和平均池化层。5.根据权利要求1所述的一种基于语义分割网络的路面损伤检测方法，其特征在于，所述第一分割块、第二分割块、第三分割块和第四分割块由致密块和AE块组成；所述路面图像输入第一分割块中的第一致密块，经第一致密块处理后得到第一中间数据；将第一中间数据输入第一AE块，经第一AE块处理后进行上采样处理，得到第一子输出；所述第一中间数据的特征矩阵大小为512
×
512，经上采样后得到的第一子输出特征矩阵大小为512
×
512；所述第一中间数据输入第二分割块中的第二致密块，经第二致密块处理后得到第二中间数据；将第二中间数据输入第二AE块，经第二AE块处理后进行上采样处理，得到第二子输出；所述第二中间数据的特征矩阵大小为256
×
256，经上采样后得到的第二子输出特征矩阵大小为512
×
512；所述第二中间数据输入第三分割块中的第三致密块，经第三致密块处理后得到第三中间数据；将第三中间数据输入第三AE块，经第三AE块处理后进行上采样处理，得到第三子输出；所述第三中间数据的特征矩阵大小为128
×
128，经上采样后得到的第三子输出特征矩阵大小为512
×
512；所述第三中间数...

【专利技术属性】
技术研发人员：蔡长青，
申请(专利权)人：广州大学，
类型：发明
国别省市：