一种道路积水区域的检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种道路积水区域的检测方法、装置、设备及存储介质。该方法应用于边缘设备，包括：获取包含积水区域的道路环境图片，并将所述道路环境图片划分为训练集和测试集；构建基于YOLOv7

【技术实现步骤摘要】
一种道路积水区域的检测方法、装置、设备及存储介质


[0001]本专利技术涉及计算机视觉
，尤其涉及一种道路积水区域的检测方法、装置、设备及存储介质。

技术介绍

[0002]由于城市化进程加快，我国很多城市的地面透水率大大降低，并且由于排水管道容易堵塞，导致排水系统有滞后性，因此如果碰上短时间强降雨很容易导致积水，严重时危害人民生命财产安全。
[0003]目前，在我国城市实际应用的道路积水检测模型较少，并且受环境变化影响较大，一般存在模型检测精度不高和模型部署范围受限等缺陷。

技术实现思路

[0004]本专利技术提供了一种道路积水区域的检测方法、装置、设备及存储介质，以提升积水检测模型的检测准确率和模型部署能力。
[0005]根据本专利技术的一方面，提供了一种道路积水区域的检测方法，应用于边缘设备，包括：
[0006]获取包含积水区域的道路环境图片，并将所述道路环境图片划分为训练集和测试集；
[0007]构建基于YOLOv7
‑
tiny网络改进后的积水检测模型，并使用所述训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路积水区域的检测方法，其特征在于，应用于边缘设备，包括：获取包含积水区域的道路环境图片，并将所述道路环境图片划分为训练集和测试集；构建基于YOLOv7
‑
tiny网络改进后的积水检测模型，并使用所述训练集对所述积水检测模型进行训练；其中，所述积水检测模型使用Mobileone模块替换YOLOv7
‑
tiny网络的骨干网络中的第一个特征提取结构ELAN
‑
lite，所述积水检测模型的头部网络采用DIoU_NMS检测框筛选算法；使用训练好的积水检测模型，对所述测试集中的道路环境图片进行积水区域的检测识别，得到积水区域识别结果。2.根据权利要求1所述的方法，其特征在于，所述Mobileone模块分为深度卷积部分和点卷积部分；在使用所述训练集对所述积水检测模型进行训练的过程中，所述深度卷积部分包括三条分支，上层分支是一个包含BN层的跳跃连接，中间层分支是1
×
1卷积结合BN层，下层分支是过参数化的3
×
3卷积结合BN层；所述点卷积部分包括两条分支，上层分支是一个包含BN层的跳跃连接，下层分支是过参数化的1
×
1卷积结合BN层。3.根据权利要求2所述的方法，其特征在于，在使用所述训练集对所述积水检测模型进行训练之后，还包括：将所述Mobileone模块中所有分支的BN层的参数合并到卷积层，并将超参数相同的多个过参数化的卷积合并为一个卷积。4.根据权利要求1所述的方法，其特征在于，所述Mobileone模块中采用HardSwish激活函数；所述HardSwish激活函数是基于分段线性函数HardSigmoid生成的。5.根据权利要求1所述的方法，其特征在于，所述Mobileone模块中采用meta
‑
ACON
‑
C激活函数；所述meta
‑
ACON
‑
C激活函数能够自适应选择是否激活神经元。6.根据权...

【专利技术属性】
技术研发人员：闫文睿，宫宁，金戈，朱敬聪，关磊，
申请(专利权)人：中国安全生产科学研究院，
类型：发明
国别省市：