本发明专利技术涉及道路检测技术领域，揭露了一种基于道路养护下的裂缝检测方法及系统，包括：接收裂缝检测指令，基于裂缝检测指令确认裂缝检测环境，基于初始路段获取检测路径，划分检测路径，得到一个或多个目标路段，确认所提取的目标路段为水泥路面后，获取第一识别图像集，确认所提取的目标路段为沥青路面后，获取第二识别图像集，优化图像识别模型，得到优化识别模型，利用优化识别模型及第一识别图像集获取第一裂缝图像集及第一缺陷图像集，根据第一裂缝图像集获取第一裂缝图像序列，利用第二识别图像集及预构建的沥青路面裂缝识别模型获取第二裂缝图像集及第二缺陷图像集。本发明专利技术可实现对道路裂缝快速及准确的检测。
1、随着，社会的发展越来越多的人选择以车辆作为出行的方式，与之相对应的是，交通流量的增加及道路使用年限的延长，使得道路出现裂缝的概率，日益增加。裂缝的出现，不仅影响道路的美观和安全性能，还可能引发道路结构性问题。因此，对道路裂缝进行及时、准确的检测，对于保障道路安全、延长道路使用寿命具有重要意义。
3、虽然上述方法能够实现对道路裂缝的检测，但是，在对道路裂缝进行检测时，容易受到检测人员的经验及检测人员在检测时的状态等影响，造成对道路裂缝检测效率较低、对道路裂缝检测结果不准确的问题。
3、接收裂缝检测指令，基于裂缝检测指令确认裂缝检测环境，其中，裂缝检测环境包括：待检测的初始路段、图像处理单元及用于采集道路图像的图像采集器，其中，图像采集器包括：图像采集单元、定位单元及图像传输单元；
>5、从所述一个或多个目标路段中依次提取目标路段，并对所提取的目标路段执行如下操作：6、确认所提取的目标路段为水泥路面后，基于图像采集器中的图像采集单元获取第一图像集，根据所述第一图像集获取第一识别图像集，其中，预设了图像采集器的采集频率及图像采集器的行进速度；
7、确认所提取的目标路段为沥青路面后，基于图像采集器中的图像采集单元获取第二图像集，根据所述第二图像集获取第二识别图像集；
8、优化预构建的图像识别模型，得到优化识别模型，其中，图像识别模型为：由yolox-x算法所构成的目标检测神经网络；
9、利用所述优化识别模型及第一识别图像集获取第一裂缝图像集及第一缺陷图像集，根据第一裂缝图像集获取第一裂缝图像序列，利用第二识别图像集及预构建的沥青路面裂缝识别模型获取第二裂缝图像集及第二缺陷图像集；
10、将第一裂缝图像序列、第一缺陷图像集、第二裂缝图像集及第二缺陷图像集发送至所述裂缝检测指令的发起端，实现对道路中裂缝的检测。
11、可选地，所述利用预设的路段类型划分所述检测路径，得到一个或多个目标路段，包括：
12、获取检测路径的路段信息，其中，路段信息包括：检测路径的路段种类及检测路径的地理位置；
13、基于路段信息划分所述检测路径，得到一种或多种初始路段；
14、利用预设的路段划分阈值，划分所述一种或多种初始路段，得到一段或多段检测路段，其中，一段或多段检测路段种每一个检测路段所对应的距离均小于或等于路段划分阈值，对所述一段或多段检测路段执行标识操作，得到一个或多个目标路段。
15、可选地，所述根据所述第一图像集获取第一识别图像集，包括：
16、按照采集时间的先后顺序对第一图像集中的第一图像执行排序操作，得到第一图像序列；
17、从第一图像序列中依次提取第一图像，并对所提取的第一图像执行如下操作：
18、根据所述行进速度及采集频率计算路段距离，基于所述路段距离对第一图像执行标识操作，得到第一标识图像；
19、汇总所述第一标识图像，得到第一标识图像集，利用所述图像传输单元将第一标识图像集传输至图像处理单元，得到第一识别图像集。
20、可选地，所述优化预构建的图像识别模型，得到优化识别模型，包括：
21、利用预构建的优化单元优化所述图像识别模型，得到第一优化模型，其中，优化单元为卷积注意力机制；
22、基于第一优化模型、预构建的水泥路面裂缝图像集及预设的损失函数关系式获取优化识别模型，其中，优化识别模型的损失函数为：0.5。
23、可选地，所述损失函数关系式，如下所示：
24、
25、其中，l表示损失函数，β表示预测框与目标框重叠面积与总面积的比值，d表示预测框与目标框中心点的距离，c表示最小覆盖框对角线的长度，其中，最小覆盖框与预测框及目标框有关，α表示权重参数，w′及h′分别表示目标框的宽和高，w及h分别表示预测框的宽和高。
26、可选地，所述利用所述优化识别模型及第一识别图像集获取第一裂缝图像集及第一缺陷图像集，包括：
27、从所述第一识别图像集中依次提取初始识别图像，并对所提取的初始识别图像执行如下操作：
28、基于预构建的第一面积估计模型及初始识别图像获取路面面积估计值，比较路面面积估计值与预设的路面面积阈值；
29、若路面面积估计值小于路面面积阈值，则确认初始识别图像为第一缺陷图像；
30、若所述路面面积估计值大于或等于路面面积阈值，则确认初始识别图像为目标识别图像，并利用优化识别模型识别目标识别图像，若目标识别图像中存在裂缝，则确认目标识别图像为第一裂缝图像；
31、分别汇总第一缺陷图像及第一裂缝图像，得到第一裂缝图像集及第一缺陷图像集。
32、可选地，所述根据第一裂缝图像集获取第一裂缝图像序列，包括：
33、从第一裂缝图像集中依次提取第一裂缝图像，并对所提取的第一裂缝图像执行如下操作：
34、利用预构建的裂缝长度计算公式及裂缝面积计算公式计算第一裂缝图像中的裂缝长度及裂缝面积，利用预构建的综合评定关系式、裂缝长度及裂缝面积计算综合评定值；
35、汇总所述综合评定值，得到综合评定值集，其中，综合评值集中的综合评定值与第一裂缝图像集中的第一裂缝图像一一对应；
36、按照从大到小的顺序排序所述综合评定值集，得到综合评定序列，基于综合评定序列获取第一裂缝图像序列。
37、可选地，所述裂缝长度计算公式，如下所示：
38、
39、其中，c表示裂缝长度，(xk,yk)表示第k个像素点的像素坐标，(xk+1，yk+1)表示第(k+1)个像素点的像素坐标，j表示裂缝区域共有j个像素点；
40、所述裂缝面积计算公式，如下所示：
41、m＝j×μ2
42、其中，m表示裂缝面积，μ表示像素当量；
43、所述综合评定关系式如下所示：
44、z＝σc+τm
45、其中,z表示综合评定值，σ和τ为预设的比例系数，且σ+τ＝1。
46、可选地，所述利用第二识别图像集及预构建的沥青路面裂缝识别模型获取第二裂缝图像集及第二缺陷图像集，包括：
47、基于第二识别图像集获本文档来自技高网...
【技术保护点】
1.一种基于道路养护下的裂缝检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于道路养护下的裂缝检测方法，其特征在于，所述利用预设的路段类型划分所述检测路径，得到一个或多个目标路段，包括：
3.如权利要求1所述的基于道路养护下的裂缝检测方法，其特征在于，所述根据所述第一图像集获取第一识别图像集，包括：
4.如权利要求1所述的基于道路养护下的裂缝检测方法，其特征在于，所述优化预构建的图像识别模型，得到优化识别模型，包括：
5.如权利要求4所述的基于道路养护下的裂缝检测方法，其特征在于，所述损失函数关系式，如下所示：
6.如权利要求1所述的基于道路养护下的裂缝检测方法，其特征在于，所述利用所述优化识别模型及第一识别图像集获取第一裂缝图像集及第一缺陷图像集，包括：
7.如权利要求1所述的基于道路养护下的裂缝检测方法，其特征在于，所述根据第一裂缝图像集获取第一裂缝图像序列，包括：
8.如权利要求7所述的基于道路养护下的裂缝检测方法，其特征在于，所述裂缝长度计算公式，如下所示：
9.如权利要求1所述的基于道路养护下的裂缝检测方法，其特征在于，所述利用第二识别图像集及预构建的沥青路面裂缝识别模型获取第二裂缝图像集及第二缺陷图像集，包括：
10.一种基于道路养护下的裂缝检测系统，其特征在于，所述系统包括：
...
【技术特征摘要】
1.一种基于道路养护下的裂缝检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于道路养护下的裂缝检测方法，其特征在于，所述利用预设的路段类型划分所述检测路径，得到一个或多个目标路段，包括：
3.如权利要求1所述的基于道路养护下的裂缝检测方法，其特征在于，所述根据所述第一图像集获取第一识别图像集，包括：
4.如权利要求1所述的基于道路养护下的裂缝检测方法，其特征在于，所述优化预构建的图像识别模型，得到优化识别模型，包括：
5.如权利要求4所述的基于道路养护下的裂缝检测方法，其特征在于，所述损失函数关系式，如下所示：
6.如权利要求1所述的...
【专利技术属性】
技术研发人员：周卫东，刘波，姚玲，闫敬辉，任伟龙，王斌，李佳文，
申请(专利权)人：北京首发公路养护工程有限公司，
类型：发明
国别省市：
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。