路面缺陷检测模型建立方法、检测方法、存储介质及设备技术

本发明专利技术涉及路面缺陷检测模型建立方法、检测方法、存储介质及设备，模型建立方法包括S1、获取原始数据集；S2、通过CycleGan网络将原始数据集中的图像转换为其他类型路面的正常图像，得到增强正常数据集；S3、对原始数据集的病害图像打标签，然后通过Scharr滤波器求解打上标签的病害图像，得到特征明显的病害图；S4、将特征明显的病害图上的病害特征裁剪下来，并添加至增强正常数据集上，得到增强病害数据集；S5、将原始数据集与增强病害数据集结合，输入训练模型进行训练，得到路面缺陷检测模型。本发明专利技术能够得到不同类型路面的数据集，从而增加数据集，并且对病害图片的预处理能够使得病害特征更加明显，提高检测的准确性。提高检测的准确性。提高检测的准确性。

【技术实现步骤摘要】
路面缺陷检测模型建立方法、检测方法、存储介质及设备


[0001]本专利技术属于路面检测
，尤其是一种路面缺陷检测模型建立方法、检测方法、存储介质及设备。

技术介绍

[0002]公路路面常出现裂纹、坑槽等缺陷，这些缺陷会影响行车安全，因此，需要及时对受损的路面进行处理，而及时处理的前提是能够及时、准确地识别出路面缺陷。
[0003]目前，图像识别是路面缺陷检测的重要手段，CN202111458712公开了一种路面缺陷损伤实时监测方法及系统，包括获取道路图形数据，预处理，数据增强，构建训练模型，训练等步骤，其中，图像增强技术采用放射变换，并不能得到不同类型路面的数据集。
[0004]CN113592784A公开了一种基于Yolo V5的多阈值半监督道路异常病害智能检测方法，包括收集路面异常病害图像，组成教师样本集，并对教师样本集进行预处理，得到初始训练数据集；训练Yolo V5目标检测网络，得到初始教师模型；进一步收集真实场景路面图像数据，基于多阈值方式，形成学生样本集；将教师样本集进行强数据增强、学生样本集进行弱数据增强，在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.路面缺陷检测模型建立方法，其特征在于，包括S1、获取路面图像组成的原始数据集；S2、通过CycleGan网络将原始数据集中的图像转换为其他类型路面的正常图像，得到增强正常数据集；S3、对原始数据集的病害图像打标签，然后通过Scharr滤波器求解打上标签的病害图像，得到X方向上的梯度和Y方向的梯度，并将X方向和Y方向的图像进行融合，得到特征明显的病害图；S4、将特征明显的病害图上的病害特征裁剪下来，并添加至增强正常数据集上，得到增强病害数据集；S5、将原始数据集与增强病害数据集结合，输入训练模型进行训练，得到路面缺陷检测模型。2.如权利要求1所述的路面缺陷检测模型建立方法，其特征在于，步骤S5中，训练模型为集成卷积块注意力模块的YOLOv5网络，卷积块注意力模块包括通道注意力模块和空间注意力模；训...

【专利技术属性】
技术研发人员：李征骥，肖熙，李欣瑞，范宇霄，谢育宏，代长悫，李美慧，熊发展，黄柏匀，葛雨棵，吴雨桐，龚承瑜，
申请(专利权)人：成都锦城学院，
类型：发明
国别省市：