一种道路病害识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供一种道路病害识别方法，获取待识别图像，所述待识别图像为路面拍摄图像；将所述待识别图像输入到基于深度卷积神经网络的且训练好的病害识别模型中，通过所述病害识别模型将所述待识别图像按深度层级由小到大的顺序依次进行病害识别处理，得到对应深度层级对应的病害识别结果和病害识别置信度，不同深度层级对应于至少一个类型的病害识别处理；若存在第n个深度层级对应的病害识别置信度大于或等于所述第n个深度层级对应的置信度阈值，则输出所述第n个深度层级对应的病害识别结果，n大于或等于1。n大于或等于1。n大于或等于1。

【技术实现步骤摘要】
一种道路病害识别方法、装置、电子设备及存储介质


[0001]本专利技术涉及智慧交通
，尤其涉及一种道路病害识别方法、装置、电子设备及存储介质。

技术介绍

[0002]随着人工智能的发展，在道路巡查中，已经可以通过在巡查车上搭载图像识别技术来替代传统的人工巡查，从而降低了巡查的人工成本，提高巡查效率。然而，由于路面上的病害类型较多，一种病害类型对应一种识别模型显然会使得算法库拥挤，而且要调用较多的算法才能实现对道路的全面识别，由于需要对硬件资源进行调度，导致其识别时间被延长，识别效率低；若只通过一个检测模型对图像中的道路病害进行全面检测，则需要该检测模型足够大，以深度卷积神经网络模型为例，需要增加较多的深度来提取更为精细的特征来进行分类识别，需要较多的计算资源，从而导致识别速度慢，识别效率低。因此，在道路巡查过程中，对道路病害的全面识别存在识别效率低的问题。

技术实现思路

[0003]本专利技术实施例提供一种道路病害识别方法，旨在解决现有道路巡查过程中，对道路病害的全面识别存在识别效率低的问题。通过对待识别图像在不同深度层级本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路病害识别方法，其特征在于，所述方法包括以下步骤：获取待识别图像，所述待识别图像为路面拍摄图像；将所述待识别图像输入到基于深度卷积神经网络的且训练好的病害识别模型中，通过所述病害识别模型将所述待识别图像按深度层级由小到大的顺序依次进行病害识别处理，得到对应深度层级对应的病害识别结果和病害识别置信度，不同深度层级对应于至少一个类型的病害识别处理；若存在第n个深度层级对应的病害识别置信度大于或等于所述第n个深度层级对应的置信度阈值，则输出所述第n个深度层级对应的病害识别结果，n大于或等于1。2.如权利要求1所述的道路病害识别方法，其特征在于，所述将所述待识别图像输入到基于深度卷积神经网络的病害识别模型中，通过所述病害识别模型将所述待识别图像按深度层级由小到大的顺序依次进行病害识别处理，得到对应深度层级对应的病害识别结果和病害识别置信度，包括：通过当前深度层级的卷积层提取到所述待识别图像在所述当前深度层级的特征图后，将所述当前深度层级对应的特征图输入到所述当前深度层级对应的输出层进行病害识别处理，得到所述当前深度层级对应的病害识别结果以及所述当前深度层级对应的病害识别结果的置信度，不同的深度层级对应至少一个所述输出层，不同的所述输出层对应于一个类型的病害识别处理。3.如权利要求2所述的道路病害识别方法，其特征在于，在所述若存在第n个深度层级对应的病害识别置信度大于或等于所述第n个深度层级对应的置信度阈值，则输出所述第n个深度层级对应的病害识别结果之后，所述方法还包括：停止所述第n个深度层级之后的病害识别处理。4.如权利要求3所述的道路病害识别方法，其特征在于，所述若存在第n个深度层级对应的病害识别置信度大于或等于所述第n个深度层级对应的置信度阈值，则输出所述第n个深度层级对应的病害识别结果，包括：若存在第n个深度层级对应的病害识别置信度大于或等于所述第n个深度层级对应的置信度阈值，则确定所述第n个深度层级对应的病害识别结果中的病害面积；若所述第n个深度层级对应的病害识别结果中的病害面积大于所述第n个深度层级对应的面积阈值，则输出所述第n个深度层级对应的病害识别结果。5.如权利要求2所述的道路病害识别方法，其特征在于，在所述将所述待识别图像输入到基于深度卷积神经网络的病害识别模型中，通过所述病害识别模型将所述待识别图像按深度层级由小到大的顺序依次进行病害识别处理，得到对应深度层级对应的病害识别结果和病害识别置信度之前，所述方法还包括：将不同类型的道路病害按识别精度进行划分，并获取包含不同识别精度下的样本图像以及所述样本图像对应的病害标签的第一数据集；确定待训练病害识别模型，所述待训练病害识别模型基于深度卷积神经网络进行构建，所述待训练病害识别模型包括与深度层...

【专利技术属性】
技术研发人员：程冰，杨文远，陈宁，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：