【技术实现步骤摘要】
基于目标检测的高速公路沥青路面病害检测方法
[0001]本专利技术属于智慧高速、公路养护研究领域,具体涉及基于目标检测的高速公路沥青路面病害检测方法。
技术介绍
[0002]近年来,随着我国高速公路规划建设目标的完成以及高速公路交通网络的不断完善与发展,高速公路的养护问题日益凸显,如何通过技术手段提高公路养护的信息化、专业化、智能化水平是是公路养护领域亟待解决的问题之一。高速公路沥青路面病害检测技术是实现道路养护智能化的重要基础。
[0003]相较于传统的DPM算法采用滑动窗口依次判断所有可能的区域,目标检测分割多个位置、不同尺寸大小的图像,用卷积神经网络判断该图像是否为某物。目标检测通过预先提取候选区域,之后仅遍历候选区域进行特征提取及判断,大大减少了计算量,特征也由HOG、SIFT等传统特征提取替换为深度卷积神经网络特征提取,提取的特征更充分全面,从而极大提高了目标检测的效率和精度。
技术实现思路
[0004]专利技术目的:为了克服现有技术中存在的不足,提供基于目标检测的高速公路沥青路面病害检测方法,构建用于公路沥青路面病害检测的FR
‑
PDD、Yolov5s
‑
PDD和SSD
‑
PDD网络模型,进过模型训练、参数优化与模型比选,能够有效对高速公路沥青路面病害进行检测,具有较好的平均识别精度与实时性,可对高速公路养护智能化发展提供技术支持。
[0005]技术方案:为实现上述目的,本专利技术提供基于目标检测的高速公路沥青路面病害检 ...
【技术保护点】
【技术特征摘要】
1.基于目标检测的高速公路沥青路面病害检测方法,其特征在于:包括如下步骤:S1:获取图像信息,构建高速公路沥青路面病害数据集;S2:标注数据集,构建训练、验证和测试样本集;S3:针对数据集特征,构建用于公路沥青路面病害检测的FR
‑
PDD、Yolov5s
‑
PDD和SSD
‑
PDD网络模型;S4:进行模型训练并优化参数,优选FR
‑
PDD、Yolov5s
‑
PDD以及SSD
‑
PDD网络模型进行高速公路沥青路面病害检测。2.根据权利要求1所述的基于目标检测的高速公路沥青路面病害检测方法,其特征在于:所述步骤S1的具体步骤如下:S1
‑
1:使用高速公路二维检测车获取获得毫米级高速公路二维线阵图像,统一路面图像分辨率为512
×
500;S1
‑
2:收集路面病害图像包括横裂、纵裂、坑槽、网裂、其他五种类型的路面病害,构建高速公路沥青路面病害数据集;S1
‑
3:对高速公路沥青路面病害数据集进行数据增强,扩大数据集。3.根据权利要求2所述的基于目标检测的高速公路沥青路面病害检测方法,其特征在于:所述步骤S1
‑
3中数据集进行数据增强的具体内容为:
①
像素变换:采用调整对比度、调节亮度、以及加入高斯噪声的方法来模拟实际场景对路面图像进行增强;
②
几何变换:利用翻转、裁剪、缩放方式扩充数据集。4.根据权利要求1所述的基于目标检测的高速公路沥青路面病害检测方法,其特征在于:所述步骤S2的具体步骤如下:S2
‑
1:采用labelImg软件进行人工标注,通过标注赋予图像横裂、纵裂、坑槽、网裂、其他五种标签信息;S2
‑
2:基于构建并标注好的高速公路沥青路面病害图像数据集,按照8:1:1的比例随机划分训练集、验证集和测试集。5.根据权利要求1所述的基于目标检测的高速公路沥青路面病害检测方法,其特征在于:所述步骤S3中构建用于公路沥青路面病害检测的FR
‑
PDD网络模型的方法为:根据路面病害图像的特点,对Faster
‑
RCNN网络进行适应性改进,保持锚框的面积为128
×
...
【专利技术属性】
技术研发人员:赵池航,吴加伦,郑有凤,马欣怡,苏子钧,吴宇航,纪强,
申请(专利权)人:东南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。