道路缺陷图像的处理方法、系统、电子设备及存储介质技术方案

本发明专利技术公开了一种道路缺陷图像的处理方法、系统、电子设备及存储介质，其中所述道路缺陷图像的处理方法包括：获取道路的图像数据；将图像数据输入至少一个缺陷检测模型对道路缺陷进行预测，得到第一缺陷数据；其中，第一缺陷数据包括与缺陷检测模型一一对应的预测缺陷图像，预测缺陷图像为预测道路存在缺陷的图像；将第一缺陷数据作为筛选道路缺陷图像的依据；其中，道路缺陷图像为道路真实存在缺陷的图像。本发明专利技术通过至少一个缺陷检测模型对道路缺陷进行预测，可以替代人工对道路缺陷图像的筛选，显著提升工作效率的同时，还可以提升缺陷图像识别的准确性。陷图像识别的准确性。陷图像识别的准确性。

【技术实现步骤摘要】
道路缺陷图像的处理方法、系统、电子设备及存储介质


[0001]本专利技术涉及数据处理
，具体涉及一种道路缺陷图像的处理方法、系统、电子设备及介质。

技术介绍

[0002]道路经常会因为人为或自然等因素产生缺陷，而道路缺陷很可能会对交通安全、城市美观以及交通便捷程度等方面造成不良影响，因此，为消除道路缺陷，首先需要检测到道路的缺陷，现有的检测道路缺陷的方法通常是通过采集道路的视频数据，然后对视频数据中的图像数据进行人工筛查，从而得到存在道路缺陷的图像数据。然而，这种人工的筛查方式效率较低，且准确度较差。

技术实现思路

[0003]本专利技术要解决的技术问题是为了克服现有技术中缺陷图像的筛选效率较低且准确度较差的缺陷，提供一种道路缺陷图像的处理方法、系统、电子设备及存储介质。
[0004]本专利技术是通过下述技术方案来解决上述技术问题：
[0005]一种道路缺陷图像的处理方法，所述处理方法包括：
[0006]获取道路的图像数据；
[0007]将所述图像数据输入至少一个缺陷检测模型对道路缺陷进行预测，得到第一缺陷数据；其中，所述第一缺陷数据包括与所述缺陷检测模型一一对应的预测缺陷图像，所述预测缺陷图像为预测道路存在缺陷的图像；
[0008]将所述第一缺陷数据作为筛选道路缺陷图像的依据；其中，所述道路缺陷图像为道路真实存在缺陷的图像。
[0009]较佳地，所述将所述图像数据输入第一缺陷检测模型以得到第一缺陷数据的步骤包括：
[0010]对所述图像数据中的每帧图像进行相同方式的截取；
[0011]将截取后的图像数据输入至少一个缺陷检测模型对道路缺陷进行预测，得到第一缺陷数据。
[0012]较佳地，所述道路缺陷图像的处理方法还包括；
[0013]获取从所述第一缺陷数据中筛选出的道路缺陷图像以及不存在道路缺陷的图像，并将所述道路缺陷图像作为正数据集，以及将不存在道路缺陷的图像作为负数据集；
[0014]基于所述正数据集及所述负数据集训练缺陷预测模型；其中，所述缺陷预测模型用于预测道路缺陷。
[0015]较佳地，所述第一缺陷数据还包括与所述缺陷检测模型一一对应的缺陷类型。
[0016]一种道路缺陷图像的处理系统，所述处理系统包括图像数据获取模块、缺陷预测模块以及筛选依据获取模块；
[0017]所述图像数据获取模块用于获取道路的图像数据；
[0018]所述缺陷预测模块用于将所述图像数据输入至少一个缺陷检测模型对道路缺陷进行预测，得到第一缺陷数据；其中，所述第一缺陷数据包括与所述缺陷检测模型一一对应的预测缺陷图像，所述预测缺陷图像为预测道路存在缺陷的图像；
[0019]所述筛选依据获取模块用于将所述第一缺陷数据作为筛选道路缺陷图像的依据；其中，所述道路缺陷图像为道路真实存在缺陷的图像。
[0020]较佳地，所述缺陷预测模块还用于对所述图像数据中的每帧图像进行相同方式的截取；
[0021]将截取后的图像数据输入至少一个缺陷检测模型对道路缺陷进行预测，得到第一缺陷数据。
[0022]较佳地，所述处理系统还包括预测模型训练模块；
[0023]所述预测模型训练模块用于获取从所述第一缺陷数据中筛选出的道路缺陷图像以及不存在道路缺陷的图像，并将所述道路缺陷图像作为正数据集，以及将不存在道路缺陷的图像作为负数据集；
[0024]基于所述正数据集及所述负数据集训练缺陷预测模型；其中，所述缺陷预测模型用于预测道路缺陷。
[0025]较佳地，所述第一缺陷数据还包括与所述缺陷检测模型一一对应的缺陷类型。
[0026]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序，处理器执行计算机程序时实现本专利技术的道路缺陷图像的处理方法。
[0027]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本专利技术的道路缺陷图像的处理方法。
[0028]在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本专利技术各较佳实例。
[0029]本专利技术的积极进步效果在于：通过缺陷检测模型对图像数据进行检测，从而对道路缺陷进行预测，得到缺陷数据；再将缺陷数据作为筛选道路缺陷图像的依据；其中，所述道路缺陷图像为道路真实存在缺陷的图像，可以替代人工对道路缺陷图像的筛选，显著提升工作效率的同时，还可以提升缺陷图像识别的准确性。
附图说明
[0030]图1为本专利技术实施例1提供的一种道路缺陷图像的处理方法的流程示意图。
[0031]图2为为本专利技术实施例1提供的一种道路缺陷图像的处理方法的模型校验流程示意图。
[0032]图3为本专利技术实施例2提供的一种道路缺陷图像的处理系统的结构示意图。
[0033]图4为本专利技术实施例2提供的一种道路缺陷图像的处理系统的结构示意图。
[0034]图5为本专利技术实施例3的电子设备的结构示意图。
具体实施方式
[0035]下面通过实施例的方式进一步说明本专利技术，但并不因此将本专利技术限制在所述的实施例范围之中。
[0036]实施例1
[0037]本实施例提供一种道路缺陷图像的处理方法，参照图1，该处理方法包括：
[0038]S1、获取道路的图像数据。
[0039]具体地，可以通过行驶在的道路上的车辆来获取道路的图像数据，在车辆的各个角度均设立相机，控制相机以第一预设帧率、第一预设分辨率、第一预设高度以及第一预设水平倾角采集道路的视频数据，再将得到的视频数据以第一预设拆帧率进行拆帧处理，以得到图像数据，图像数据中包括多个单帧的图像。可选的，将第一预设帧率设定为25帧/秒，将第一分辨率设定为1920*1080，将第一预设高度设定为1.2米，将第一预设水平倾角设定为30度，将第一预设拆帧率设定为25帧/秒。
[0040]S2、将图像数据输入至少一个缺陷检测模型对道路缺陷进行预测，得到第一缺陷数据。
[0041]在一个可选的实施方案中，缺陷检测模型可包括EfficientNet与MobileNetV3等改进的多种基于神经学习的网络，将图像数据输入EfficientNet与MobileNetV3等网络中，得到第一缺陷数据。
[0042]其中，第一缺陷数据包括与缺陷检测模型一一对应的预测缺陷图像，预测缺陷图像为预测道路存在缺陷的图像。
[0043]在一个可选的实施方案中，第一缺陷数据还包括与缺陷检测模型一一对应的缺陷类型，缺陷类型可包括横缝、纵缝、龟裂、坑槽、沉陷等多种道路缺陷类型，通过GPU对模型的加速，可对多种道路缺陷类型进行快速检测、识别。
[0044]在一个可选的实施方案中，在将图像数据输入至缺陷检测模型之前，对图像数据中的每帧图像进行相同方式的截取，具体地，可先把每帧图像数据从上部截取四分之一，即仅保留图像四分之三的部分，可去除天空等背景部分，从而有效减少噪声和检测网络的计算量，可以显本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路缺陷图像的处理方法，其特征在于，所述处理方法包括：获取道路的图像数据；将所述图像数据输入至少一个缺陷检测模型对道路缺陷进行预测，得到第一缺陷数据；其中，所述第一缺陷数据包括与所述缺陷检测模型一一对应的预测缺陷图像，所述预测缺陷图像为预测道路存在缺陷的图像；将所述第一缺陷数据作为筛选道路缺陷图像的依据；其中，所述道路缺陷图像为道路真实存在缺陷的图像。2.如权利要求1所述的道路缺陷图像的处理方法，其特征在于，所述将所述图像数据输入第一缺陷检测模型以得到第一缺陷数据的步骤包括：对所述图像数据中的每帧图像进行相同方式的截取；将截取后的图像数据输入至少一个缺陷检测模型对道路缺陷进行预测，得到第一缺陷数据。3.如权利要求1所述的道路缺陷图像的处理方法，其特征在于，所述道路缺陷图像的处理方法还包括；获取从所述第一缺陷数据中筛选出的道路缺陷图像以及不存在道路缺陷的图像，并将所述道路缺陷图像作为正数据集，以及将不存在道路缺陷的图像作为负数据集；基于所述正数据集及所述负数据集训练缺陷预测模型；其中，所述缺陷预测模型用于预测道路缺陷。4.如权利要求1所述的道路缺陷图像的处理方法，其特征在于，所述第一缺陷数据还包括与所述缺陷检测模型一一对应的缺陷类型。5.一种道路缺陷图像的处理系统，其特征在于，所述处理系统包括图像数据获取模块、缺陷预测模块以及筛选依据获取模块；所述图像数据获取模块用于获取道路的图像数据；所述缺陷预测模块用于将所述图像数据输入至少一个缺陷检测模型对道路缺陷进行预测，得到第一缺陷数据；其中...

【专利技术属性】
技术研发人员：汤峰，冒高峰，
申请(专利权)人：上海厉鲨科技有限公司，
类型：发明
国别省市：