【技术实现步骤摘要】
基于无人机的高速公路混凝土路面裂缝检测方法、电子设备及存储介质
[0001]本专利技术属于混凝土结构病害检测
,具体涉及基于无人机的高速公路混凝土路面裂缝检测方法、电子设备及存储介质。
技术介绍
[0002]高速公路的维护是确保道路安全的一项重要的日常工作,裂缝是影响道路质量的主要因素之一。目前进行高速公路巡检的方法主要分为人工巡检和半自动巡检。人工巡检是通过公路巡检的技术人员进行现场勘测,人为的衡量道路裂缝的严重程度和手工记录计算,这种方法效率低,存在安全隐患,时间成本和人力成本高,且易受工作人员主观判断的影响,没有统一的标准;半自动巡检的方式是在巡检车上安装自动检测系统,将拍摄的道路画面实时传回到车端服务器,通过图像算法识别道路病害。但这种方法一方面无法克服如行道树倾倒、道路防护栏破损影响正常通行的问题,另一方面车载巡检系统安装在车上,视野受限,限制了巡检的效率,且由于视角原因,无法对裂缝的严重程度进行准确的识别。
技术实现思路
[0003]本专利技术要解决的问题是基于现有高速公路裂缝巡检技术的准确性不高,提出一种基于无人机的高速公路混凝土路面裂缝检测方法、电子设备及存储介质。
[0004]为实现上述目的,本专利技术通过以下技术方案实现:
[0005]一种基于无人机的高速公路混凝土路面裂缝检测方法,包括如下步骤:
[0006]S1、设定无人机的飞行路线与高度,对高速公路混凝土路面裂缝进行数据采集;
[0007]S2、将步骤S1采集的高速公路混凝土路面裂缝数据通 ...
【技术保护点】
【技术特征摘要】
1.一种基于无人机的高速公路混凝土路面裂缝检测方法,其特征在于:包括如下步骤:S1、设定无人机的飞行路线与高度,对高速公路混凝土路面裂缝进行数据采集;S2、将步骤S1采集的高速公路混凝土路面裂缝数据通过labelimg工具进行裂缝类别标注,裂缝类别为横向裂缝、纵向裂缝、龟裂和块状裂缝,将标注后的高速公路混凝土路面裂缝数据分为训练集、验证集和测试集;S3、改进YOLOV5网络模型构建高速公路混凝土路面裂缝检测网络模型;步骤S3的具体实现方法包括如下步骤:S3.1、输入层Input:在输入层通过数据加载器传输每批训练数据,传入到神经网络中首先进行尺寸归一化处理,然后使用Mosaic将选定的一张图与其他随机三张图进行拼接处理;S3.2、主干网络部分Backbone:使用swin transformer作为主干网络,主要由W
‑
MSA结构和SW
‑
MSA结构组成,W
‑
MSA结构用于在特征窗口内部的patch之间进行相互学习,SW
‑
MSA结构用于各层窗口与窗口之间的特征学习;S3.3、连接网络部分Neck:使用BiFPN重复加权双向特征金字塔网络进行加权融合,加权方法如下,其中,I
i
为第i级的输入,w
i
为当前学习的级别第i级的权重值,i为当前学习的级别,ε为一个小数用于防止分母为0,w
j
为学习后的级别第j级的权重值,j为学习后的级别,O为加权融合的特征;以BiFPN的第四级特征融合进行描述,计算公式为:以BiFPN的第四级特征融合进行描述,计算公式为:其中,C表示用于特征处理的卷积运算,R表示用于匹配不同分辨率特征层的上采样或下采样操作,P
4td
为自上而下路径上的级别4处的中间特征,P
5td
为自上而下路径上的级别4处的中间特征,P
3out
、P
4out
分别表示级别3与级别4的的输出特征P
4in
、P
5in
为级别4与级别5的输入特征,w
i
'为自上而下路径上的中间权重;S3.4、最终检测部分Head:在特征图上应用锚定框对特征图网格化预测,设定NMS置信度参数,将检测到的目标置信度高于设置的阈值保留,并生成带有类概率的最终输出向量,不同缩放尺度的Head分别用来检测大中小物体;S4、将步骤S2得到的训练集、验证集和测试集输入步骤S3构建的高速公路混凝土路面裂缝检测网络模型,得到训练好的高速公路混凝土路面裂缝检测网络模型;S5、无人机设定路线或者通过遥控器远程操控飞行,进行高速公路巡检,将无人机拍摄的高速公路混凝土路面裂缝图像传输到步骤S4训练好的高速公路混凝土路面裂缝检测网络模型中,进行实现检测。2.根据权利要求1所述的一种基于无人机的高速公路混凝土路面裂缝检测方法,其特
征在于:步骤S1中无人机的飞行高度根据相机...
【专利技术属性】
技术研发人员:郝向炜,金毅,陈海军,毕建伟,魏国峰,刘颖,邢键,
申请(专利权)人:黑龙江省龙建路桥第六工程有限公司,
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。