【技术实现步骤摘要】
本专利技术属于路面裂纹识别，尤其涉及行进间路面裂纹实时识别分割方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、传统的路面裂缝检测通常采用人工检测方法，该方法简单，但也存在成本高、耗时长、阻碍交通、检测人员安全风险高等缺点。
3、随着深度学习的发展，图像分割作为一种计算机视觉技术，在路面裂缝检测领域有着广泛的应用前景。自动道路裂缝识别通常是通过配备成像设备的车辆在高速行驶时捕捉过往道路来实现的。
4、尽管目前基于物体检测或图像分割的裂纹识别技术已经应用于自动检测技术，但裂纹的尺寸检测以及定位精度有待于提高，而且对数据采集的要求较高。
5、在实际应用中，由于车辆高速行驶、检测设备移动、路面不平和操作环境等外部因素，实际收集的图像数据很可能出现以图像模糊为代表的图像退化。当前，生成式对抗网络这一模型已经应用于图片生成，但在路面裂纹的模糊去除这一具体任务上缺乏应用。
技术实现思路
1、为克服上述现有技术的不足，本专利技术提供了基于深度学习的行进间路面裂纹实时识别方法，用于实现对路面裂纹危险程度进行评估和修复。
2、为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
3、第一方面，公开了行进间路面裂纹实时识别分割方法，包括：
4、进行路面裂纹的行进间数据采集；
5、建立行进间路面裂纹实时识别的三级深度学习模型，包括：>
6、第一级轻量化分类模型：将采集到的数据提取模糊帧；
7、第二级生成式去模糊模型：将第一级轻量化分类模型分出的模糊帧导入到训练好的生成式对抗网络模型中进行模糊帧的修复；
8、第三级高精度分割模型：将第二级生成式去模糊模型修复好的路面裂纹图片分割为只包含裂纹信息的二值图，识别出路面裂纹延展方向、分岔方向以及边缘形状，进行特征提取，同样搭配轻量化网络实现对路面裂纹的像素级尺寸检测。
9、作为进一步的技术方案，对路面裂纹的像素级尺寸检测，具体包括：
10、在固定焦距下，记录裂纹二值图片中每个像素点对应的真实几何尺寸，实现了裂纹像素级几何尺寸到真实毫米级几何尺寸的映射；
11、对最终输出的裂纹二值图进行如上的裂纹尺寸测量，以对危险程度进行评估和修复。
12、作为进一步的技术方案，所述第一级轻量化分类模型是由卷积神经网络和transformer网络搭建的轻量化分类模块，将输入的裂纹图片自动分类为模糊或者不模糊，并采用轻量化网络提速。
13、作为进一步的技术方案，所述第二级生成式去模糊模型是由生成式对抗网络构建，基于条件式和循环式生成式对抗网络，同时训练生成器和判别器，生成器的作用是生成去模糊图片，判别器作用是区分生成图片和真实图片，这一级模型用于将模糊帧图片修复为非模糊图片。
14、作为进一步的技术方案，所述第三级高精度分割模型采用transformer和轻量化骨干训练的图像分割网络，用于对路面裂纹图片进行分割，将输入路面图片分割为仅有裂纹的二值图。
15、作为进一步的技术方案，识别出路面裂纹延展方向、分岔方向以及边缘形状，进行特征提取之后，等比例计算识别出路面裂纹的尺寸。
16、作为进一步的技术方案，还包括：将识别后的路面裂纹信息图进行帧数拼接，实现采集到的路面实时情况和分割后的二值图在同一视图中的同时展示。
17、第二方面，公开了行进间路面裂纹实时识别分割系统，包括：
18、数据采集模块，被配置为：进行路面裂纹的行进间数据采集；
19、三级深度学习模型建立模块，被配置为：建立行进间路面裂纹实时识别的三级深度学习模型，包括：
20、第一级轻量化分类模型：将采集到的数据提取模糊帧；
21、第二级生成式去模糊模型：将第一级轻量化分类模型分出的模糊帧导入到训练好的生成式对抗网络模型中进行模糊帧的修复；
22、第三级高精度分割模型：将第二级生成式去模糊模型修复好的路面裂纹图片分割为只包含裂纹信息的二值图，识别出路面裂纹延展方向、分岔方向以及边缘形状，进行特征提取，同样搭配轻量化网络实现对路面裂纹的像素级尺寸检测。
23、以上一个或多个技术方案存在以下有益效果：
24、本专利技术通过引入深度学习中常用神经网络，对于移动过程中检测路面裂纹工作实现了裂纹信息采集、裂纹图片模糊修正以及路面裂纹准确定位的全过程处理。本专利技术采用生成对抗网络和transformer特征提取算法来进行模糊去除。
25、本专利技术同时引入轻量化神经网络提升检测速度，实现移动过程中的实时检测。
26、本专利技术可以实现裂纹识别载体在高速移动过程中对路面裂纹进行实时的准确定位，从而进一步评估路面风险。
27、本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.行进间路面裂纹实时识别分割方法，其特征是，包括：
2.如权利要求1所述的行进间路面裂纹实时识别分割方法，其特征是，对路面裂纹的像素级尺寸检测，具体包括：
3.如权利要求1所述的行进间路面裂纹实时识别分割方法，其特征是，所述第一级轻量化分类模型是由卷积神经网络和transformer网络搭建的轻量化分类模块，将输入的裂纹图片自动分类为模糊或者不模糊，并采用轻量化网络提速。
4.如权利要求1所述的行进间路面裂纹实时识别分割方法，其特征是，所述第二级生成式去模糊模型是由生成式对抗网络构建，基于条件式和循环式生成式对抗网络，同时训练生成器和判别器，生成器的作用是生成去模糊图片，判别器作用是区分生成图片和真实图片，这一级模型用于将模糊帧图片修复为非模糊图片。
5.如权利要求1所述的行进间路面裂纹实时识别分割方法，其特征是，所述第三级高精度分割模型采用transformer和轻量化骨干训练的图像分割网络，用于对路面裂纹图片进行分割，将输入路面图片分割为仅有裂纹的二值图。
6.如权利要求1所述的行进间路面裂纹实时识别分割方法，其特
7.如权利要求1所述的行进间路面裂纹实时识别分割方法，其特征是，还包括：将识别后的路面裂纹信息图进行帧数拼接，实现采集到的路面实时情况和分割后的二值图在同一视图中的同时展示。
8.行进间路面裂纹实时识别分割系统，其特征是，包括：
9.一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行上述权利要求1-7任一所述方法的步骤。
...【技术特征摘要】
1.行进间路面裂纹实时识别分割方法，其特征是，包括：
2.如权利要求1所述的行进间路面裂纹实时识别分割方法，其特征是，对路面裂纹的像素级尺寸检测，具体包括：
3.如权利要求1所述的行进间路面裂纹实时识别分割方法，其特征是，所述第一级轻量化分类模型是由卷积神经网络和transformer网络搭建的轻量化分类模块，将输入的裂纹图片自动分类为模糊或者不模糊，并采用轻量化网络提速。
4.如权利要求1所述的行进间路面裂纹实时识别分割方法，其特征是，所述第二级生成式去模糊模型是由生成式对抗网络构建，基于条件式和循环式生成式对抗网络，同时训练生成器和判别器，生成器的作用是生成去模糊图片，判别器作用是区分生成图片和真实图片，这一级模型用于将模糊帧图片修复为非模糊图片。
5.如权利要求1所述的行进间路面裂纹实时识别分割方法，其特征是，所述第三级高精度分割模型采用transforme...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。