一种道路破损检测方法技术

本发明专利技术涉及视觉检测技术领域，具体涉及一种道路破损检测方法，包括：采集道路视频数据，并对采集到的道路视频数据进行抽帧，随后进行预处理后存储；对存储的道路视频数据按比例切分，得到模型的训练集

【技术实现步骤摘要】
一种道路破损检测方法


[0001]本专利技术涉及视觉检测
，尤其涉及一种道路破损检测方法
。

技术介绍

[0002]随着公路建设的快速发展，小到农村，大到城市，几乎是出门都可以看到石灰路，沥青路，但超载车辆多次行驶过后会存在路面不平，坑洼积水的现象，超出公路的寿命之后，公路会出现破损裂痕，导致存在隐患，目前每个城市都面临着巨大的车流量，当城市里车轮卡进坑洼中，直接可能造成道路瘫痪，再如若坑洼较深较大，可能还会发生交通事故，对人身造成伤害
。
[0003]虽然对于现在的技术来说公路修补不是难事，但是一个村庄就会存在几十条道路甚至上百，更不用说城市中的道路，如果说公路超出了使用寿命，可以整条公路作为完善修复，但是在使用寿命期间，我们并不能完全清楚的确定共有哪几条路需要大型修复，哪几条公路做小型修复，因此需要对道路破损情况进行检测，目前主要是通过派工作人员去实地勘察道路破损情况，对人力和时间消耗较大
。

技术实现思路

[0004]本专利技术的目的在于提供一种道路破损检测方法，能够快速精确的对道路破损情况进行检测
。
[0005]为实现上述目的，本专利技术提供了一种道路破损检测方法，包括：
[0006]采集道路视频数据，并对采集到的道路视频数据进行抽帧，随后进行预处理后存储；
[0007]对存储的道路视频数据按比例切分，得到模型的训练集
、
测试集和验证集；
[0008]对所述训练集数据进行数据增强处理；
[0009]微调模型结构，添加参数缩放，提升模型迭代速度；
[0010]将数据增强处理后的所述训练集数据给予模型去训练；
[0011]对训练好的模型进行优化处理；
[0012]将所述测试集作为评估模型的测试数据喂给优化处理后的模型；
[0013]对模型采用所述验证集进行验证，检验效果；
[0014]将模型导出为通用模型类型，用于对实际场景进行分析
。
[0015]其中，所述预处理包括数据清洗
、
数据筛选和数据过滤
。
[0016]其中，所述对存储的道路视频数据的切分比例为
7:2:1
，其中训练集
70
％
、
测试集
20
％
、
验证集
10
％
。
[0017]其中，所述数据增强处理包括随机像素变换
、
随机扩张
、
随机裁剪
、
随机翻转
。
[0018]其中，所述在模型中添加参数缩放的具体是：在多通道与多通道变换之间，添加了一层一个卷积核的卷积
。
[0019]其中，所述对训练好的模型进行优化处理包括学习率优化以及计算联合损失，学
习率优化采用模型预热以及
cos
衰减，联合损失采用
DFL+VFL+GIOU
三方损失和
。
[0020]其中，所述通用模型类型为
onnx
类型
。
[0021]本专利技术的一种道路破损检测方法，为实现低成本
、
兼容性高
、
精度高
、
速度快等特点；本申请主要针对数据的处理
、
模型的特征提取网络结构方面做重点操作，成本的降低，体现在技术的复刻性高；兼容性高，体现在算法的融入的现实应用上；精度高，体现在优质的训练数据，以及模型的特征提取能力；速度快，体现在模型的结构复杂度上，以及结合硬件设备的性能上；由于在不同的场景下识别效果不同，以及准确率不同，所以本申请在数据处理的时候加入了数据增强，提升模型的泛化能力，使其提升更高的准确率，即使未曾见过的场景也能精准定位到目标区域；并对
PPYOLOE
模型框架上做了优化，在提升了速度的同时，也保证了模型原有的精度，对比原本模型的速度优化后的模型速度提升巨大，同时降低了整体模型的参数量；使用国产化
paddlepaddle
框架，令其非常方便的实现云端部署，以及边缘端部署，在降低成本的同时也可以做到高兼容性，并且实现完全国产化信息技术的开发理念；本申请能够快速精确的对道路破损情况进行检测
。
附图说明
[0022]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0023]图1是本专利技术的应用流程图
。
[0024]图2是本专利技术的算法模型框架图
。
[0025]图3是本专利技术的推理流程图
。
[0026]图4是本专利技术的学习率优化效果图
。
[0027]图5是本专利技术的一种道路破损检测方法的的流程图
。
具体实施方式
[0028]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件
。
下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制
。
[0029]请参阅图1～图5，本专利技术提供一种道路破损检测方法，包括：
[0030]S1
采集道路视频数据，并对采集到的道路视频数据进行抽帧，随后进行预处理后存储；
[0031]采集道路坑洼视频数据，并对采集到的道路视频数据进行抽帧，随后进行预处理后存储，预处理就是让数据更加干净，预处理包括数据清洗
、
数据筛选和数据过滤，清洗主要是为把那些噪音数据去除掉，避免对未来的训练造成影响，筛选是为了选择出更加贴切真实场景的图片，进而达到加速训练效率，过滤主要是把那些目标信息不明显的特征图，做进一步人工处理，例如模糊不清，索性不如直接让他看不见那一部分的特征，为使让模型把更多的学习力用在正例样本上
。
[0032]S2
对存储的道路视频数据按比例切分，得到模型的训练集
、
测试集和验证集；
[0033]所述对存储的道路视频数据的切分比例为
7:2:1
，其中训练集
70
％
、
测试集
20
％
、
验证集
10
％
。
[0034]S3
对所述训练集数据进行数据增强处理；
[0035]所述数据增强处理包括随机像素变换
、
随机扩张
、
随机裁剪
、
随机翻转；如果数据量足够多，即使不做数据增强也会有不错的识别效果，其中目的主要是为了防止模型出现过拟合情况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种道路破损检测方法，其特征在于，包括：采集道路视频数据，并对采集到的道路视频数据进行抽帧，随后进行预处理后存储；对存储的道路视频数据按比例切分，得到模型的训练集
、
测试集和验证集；对所述训练集数据进行数据增强处理；微调模型结构，添加参数缩放，提升模型迭代速度；将数据增强处理后的所述训练集数据给予模型去训练；对训练好的模型进行优化处理；将所述测试集作为评估模型的测试数据喂给优化处理后的模型；对模型采用所述验证集进行验证，检验效果；将模型导出为通用模型类型，用于对实际场景进行分析
。2.
如权利要求1所述的一种道路破损检测方法，其特征在于，所述预处理包括数据清洗
、
数据筛选和数据过滤
。3.
如权利要求1所述的一种道路破损检测方法，其特征在于，所述对存储的道路视频数据的切分比例为
7:2:1
，其中训练集
70
％
、
测试集
20

【专利技术属性】
技术研发人员：孙德亮，
申请(专利权)人：中再云图技术有限公司，
类型：发明
国别省市：