路面识别模型建立方法、路面破损病害自动识别方法和系统技术方案

本发明专利技术公开了一种路面识别模型建立方法、路面破损病害自动识别方法和系统，其中，路面识别模型建立方法包括：采集有病害路面图像；对所述有病害路面图像进行扩容；根据扩容后的图像生成样本，并对所述样本进行标注，标注信息包括：路面破损病害图像矩形框坐标、病害类别；利用所述样本训练得到用于识别路面破损病害的路面识别模型。利用本发明专利技术方案，可以根据采集的有限数量的病害路面图像建立路面识别模型，利用该模型实现对路面破损病害的自动识别，可以提高路面破损病害判断的精准度及效率。率。率。

【技术实现步骤摘要】
路面识别模型建立方法、路面破损病害自动识别方法和系统


[0001]本专利技术涉及路面破损病害图像自动识别
，具体涉及一种路面识别模型建立方法，还涉及一种路面破损病害自动识别方法和系统。

技术介绍

[0002]路面技术状况检测、数据处理分析、评价可为路面养护科学化决策提供可靠、有效的数据支撑，路面破损状况是路面技术状况评价的重要组成部分，路面破损识别在道路养护和维修中起着非常重要的作用。路面破损将导致行车舒适性和安全性大大降低，路面破损结果在很大程度上影响着路面养护时机并决定了养护维修的方案，大范围的破损检测及识别将产生较大的经济和社会效益。
[0003]近年来，随着人工智能算法、深度学习算法和图像处理技术的不断发展，涌现出诸多的路面病害识别算法，其中，传统的基于图像像素的处理方法主要思想是路面病害与路面背景的像素差异，很容易受光照、阴影和雨水的影响导致检测精度低；基于深度学习的方法原理是使用提取的特征来让模型进行自学习进行路面病害自动识别。
[0004]在道路检测领域，对于路面技术状况监测和养护策略的确定，对路面检测和自动化图像处理领域具有非常重要的价值。而随着技术的发展，要求路面检测、数据处理水平越来越高，但现有的路面破损病害检测方案在检测精度和检测速度上还有待提高。

技术实现思路

[0005]本专利技术一方面提供一种路面识别模型建立方法，可以根据采集的有限数量的病害路面图像建立路面识别模型，从而实现对路面破损病害的自动识别。
[0006]本专利技术另一方面提供一种路面破损病害自动识别方法和系统，可以提高路面破损病害检测的智能化程度，提高路面破损病害判断的精准度及效率。
[0007]为此，本专利技术提供如下技术方案：
[0008]一种路面识别模型建立方法，所述方法包括：
[0009]采集有病害路面图像；
[0010]对所述有病害路面图像进行扩容；
[0011]根据扩容后的图像生成样本，并对所述样本进行标注，标注信息包括：路面破损病害图像矩形框坐标、病害类别；
[0012]利用所述样本训练得到用于识别路面破损病害的路面识别模型。
[0013]可选地，所述对所述有病害图像进行扩容包括以下任意一种或多种方式：
[0014]将所述有病害图像水平翻转；
[0015]对所述有病害图像进行随机抠取；
[0016]对所述有病害图像进行尺度变换；
[0017]将所述有病害图像旋转一定角度。
[0018]可选地，所述方法还包括：对不同病害类别的样本进行数量均衡处理。
[0019]可选地，所述对不同病害类别的样本进行数量均衡处理包括：
[0020]在数据层面对不同病害类别的样本进行数量均衡处理；和/或
[0021]在算法层面对不同病害类别的样本进行数量均衡处理。
[0022]可选地，所述在数据层面对不同病害类别的样本进行数量均衡处理包括：
[0023]对各类别的样本进行排序，得到各类别的样本序列；
[0024]计算每个类别的样本数并确定其中的最大样本数；
[0025]根据所述最大样本数生成对应每类样本的随机排列表；
[0026]利用所述随机排列表中的随机数对对应类别的样本数求余，得到索引值；
[0027]根据所述索引值从对应类别的样本序列中提取样本，生成所述类别的随机样本序列；
[0028]依次将所有类别的随机样本序列连接，然后随机打乱其中的样本顺序。
[0029]可选地，所述在算法层面对不同病害类别的样本进行数量均衡处理包括：利用代价敏感矩阵对不同类别样本施加权重，以优化目标函数调整模型在小样本上的注意力。
[0030]可选地，所述路面识别模型为YOLOv3模型。
[0031]一种路面破损病害自动识别方法，所述方法包括：
[0032]获取待识别路面图像；
[0033]利用预先训练得到的路面识别模型对所述待识别路面图像进行识别，得到路面病害信息，所述路面病害信息至少包括：病害类别、病害尺寸数据；
[0034]根据所述病害尺寸数据计算得到路面损坏面积、破损率和路面技术状况指数。
[0035]可选地，所述方法还包括：在所述待识别路面图像中标记并显示所述路面病害信息。
[0036]可选地，所述方法还包括：以表格形式输出所述待识别路面图像、以及每类病害对应的所述路面损坏面积、破损率和路面技术状况指数。
[0037]一种路面破损病害自动识别系统，所述系统包括：
[0038]图像采集模块，用于采集有病害路面图像及待识别路面图像；
[0039]扩容模块，用于对所述有病害路面图像进行扩容；
[0040]标注模块，用于根据扩容后的图像生成样本，并对所述样本进行标注，标注信息包括：路面破损病害图像矩形框坐标、病害类别；
[0041]模型训练模块，用于利用所述样本训练得到用于识别路面破损病害的路面识别模型；
[0042]识别模块，用于利用所述路面识别模型对所述待识别路面图像进行识别，得到路面病害信息，所述路面病害信息至少包括：病害类别、病害尺寸数据。
[0043]可选地，所述系统还包括：计算模块，用于根据所述病害尺寸数据计算得到路面损坏面积、破损率和路面技术状况指数。
[0044]可选地，所述系统还包括：输出模块，用于以表格形式输出所述待识别路面图像、以及每类病害对应的所述路面损坏面积、破损率和路面技术状况指数。
[0045]本专利技术实施例提供的路面识别模型建立方法、路面破损病害自动识别方法和系统，通过对采集的有限数量的病害路面图像进行扩容，得到大量的样本数据，利用这些样本数据训练得到路面识别模型，从而可以利用该路面识别模型实现对路面破损病害的自动识
别，提高了路面破损病害检测的智能化程度，以及路面破损病害判断的精准度及效率。
附图说明
[0046]图1是本专利技术实施例提供的路面识别模型建立方法的一种流程图；
[0047]图2是本专利技术实施例中路面识别模型的训练和测试过程示意图；
[0048]图3是本专利技术实施例中在数据层面对不同类别的样本进行数量均衡处理的一种流程图；
[0049]图4是在数据层面对不同类别的样本进行数量均衡处理的过程示意图；
[0050]图5是本专利技术实施例提供的路面识别模型建立方法的另一种流程图；
[0051]图6是本专利技术实施例提供的路面破损病害自动识别方法的一种流程图；
[0052]图7是本专利技术实施例提供的路面破损病害自动识别系统的一种结构示意图；
[0053]图8是本专利技术实施例提供的路面破损病害自动识别系统的另一种结构示意图。
具体实施方式
[0054]为使本专利技术的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本专利技术的具体实施例做详细的说明。
[0055]如图1所示，是本专利技术实施例提供的路面识别模型建立方法的一种流程图，包括以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路面识别模型建立方法，其特征在于，所述方法包括：采集有病害路面图像；对所述有病害路面图像进行扩容；根据扩容后的图像生成样本，并对所述样本进行标注，标注信息包括：路面破损病害图像矩形框坐标、病害类别；利用所述样本训练得到用于识别路面破损病害的路面识别模型。2.根据权利要求1所述的方法，其特征在于，所述对所述有病害图像进行扩容包括以下任意一种或多种方式：将所述有病害图像水平翻转；对所述有病害图像进行随机抠取；对所述有病害图像进行尺度变换；将所述有病害图像旋转一定角度。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：对不同病害类别的样本进行数量均衡处理。4.根据权利要求3所述的方法，其特征在于，所述对不同病害类别的样本进行数量均衡处理包括：在数据层面对不同病害类别的样本进行数量均衡处理；和/或在算法层面对不同病害类别的样本进行数量均衡处理。5.根据权利要求4所述的方法，其特征在于，所述在数据层面对不同病害类别的样本进行数量均衡处理包括：对各类别的样本进行排序，得到各类别的样本序列；计算每个类别的样本数并确定其中的最大样本数；根据所述最大样本数生成对应每类样本的随机排列表；利用所述随机排列表中的随机数对对应类别的样本数求余，得到索引值；根据所述索引值从对应类别的样本序列中提取样本，生成所述类别的随机样本序列；依次将所有类别的随机样本序列连接，然后随机打乱其中的样本顺序。6.根据权利要求4所述的方法，其特征在于，所述在算法层面对不同病害类别的样本进行数量均衡处理包括：利用代价敏感矩阵对不同类别样本施加权重，以优化目标函数调整模型在小样本上的注意力。7.根据权利要求1所述的方法，其...

【专利技术属性】
技术研发人员：朱洁，于海臣，王晓晨，谢大伟，刘晓姗，
申请(专利权)人：北京国道通公路设计研究院股份有限公司，
类型：发明
国别省市：