基于RoadU-Net的沥青路面病害智能识别及分类方法技术

本发明专利技术的基于RoadU‑Net的沥青路面病害智能识别及分类方法，包括：为路面图像中的裂缝类病害、条状修补和路面标线标注对应的颜色，用标注好的图像构成训练集和验证集；对图像进行预处理；设置损失函数、优化器、超参数，构建RoadU‑Net深度学习模型，将训练集样本作为输入，完成模型训练；将路面图像经预处理后投入到训练好的RoadU‑Net深度学习模型中，进行沥青路面病害的识别；将每个通道的预测结果均视为二值图像，针对裂缝类病害，利用连通域分离函数提取二值图像中的连通域；当两连通域的外接矩形属于交叉或包含关系时，将两个外接矩形融合成一个矩形；将处理后的图像中的裂缝类病害分类为纵向裂缝、横向裂缝和龟裂；对不同种类的病害进行量化评估。

【技术实现步骤摘要】

本专利技术属于沥青路面病害的智能识别及分类，涉及一种基于roadu-net的沥青路面病害智能识别及分类方法。

技术介绍

1、目前沥青路面病害的传统检测方法是定期的进行人工巡查，该方法具有安全性差，主观性强、检测速度慢、精度低等缺点。随着多功能路面检测车的广泛应用，目前绝大多数的公路管养部门可实现在行车速度下采集路面图像，并由人工进行内业处理，提取和统计路面病害。但人工内业工作枯燥、耗时且易于出错。

技术实现思路

1、为解决上述技术问题，本专利技术的目的是提供一种基于roadu-net的沥青路面病害智能识别及分类方法。

2、本专利技术的一种基于roadu-net的沥青路面病害智能识别及分类方法，包括：

3、步骤1：为路面图像中的裂缝类病害、条状修补和路面标线分别标注对应的颜色，用标注好的图像构成训练集和验证集；

4、步骤2：对训练集与验证集中的图像进行预处理，重构图像尺寸并调整像素点的像素值；

5、步骤3：设置损失函数、优化器、超参数，构建roadu-net深度学本文档来自技高网...

【技术保护点】

1.基于RoadU-Net的沥青路面病害智能识别及分类方法，其特征在于，包括：

2.如权利要求1所述的基于RoadU-Net的沥青路面病害智能识别及分类方法，其特征在于，所述步骤1具体为：

3.如权利要求1所述的基于RoadU-Net的沥青路面病害智能识别及分类方法，其特征在于，所述步骤2具体为：

4.如权利要求1所述的基于RoadU-Net的沥青路面病害智能识别及分类方法，其特征在于，所述步骤3具体为：

5.如权利要求4所述的基于RoadU-Net的沥青路面病害智能识别及分类方法，其特征在于，所述步骤3.1中搭建的RoadU-Net深度学...

【技术特征摘要】

1.基于roadu-net的沥青路面病害智能识别及分类方法，其特征在于，包括：

2.如权利要求1所述的基于roadu-net的沥青路面病害智能识别及分类方法，其特征在于，所述步骤1具体为：

3.如权利要求1所述的基于roadu-net的沥青路面病害智能识别及分类方法，其特征在于，所述步骤2具体为：

4.如权利要求1所述的基于roadu-net的沥青路面病害智能识别及分类方法，其特征在于，所述步骤3具体为：

5.如权利要求4所述的基于roadu-net的沥青路面病害智能识别及分类方法，其特征在于，所述步骤3.1中搭建的roadu-net深度学习模型具体为：

...

【专利技术属性】
技术研发人员：李保险，裴政旭，初旭，
申请(专利权)人：沈阳建筑大学，
类型：发明
国别省市：