System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及路面检测,特别是指一种公路路面检测方法。
技术介绍
1、随着公路交通的快速发展,公路路面的安全性和耐久性越来越受到关注,因此,公路路面检测成为公路养护和管理的关键环节。
2、传统的公路路面检测方法通常采用基于阈值或手工特征的方法进行路面状况评估,这些方法依赖于固定的参数和经验,难以适应不同路况和环境变化,容易产生误判,因而出现了依靠视觉图像的监测方法,虽然可以对当前路面进行检测,知晓路面缺陷,但是具有一定缺陷,那就是无法对路面未来情况进行预测,并且无法实时预警,无法及时发现路面问题,影响公路养护的效率和质量。
技术实现思路
1、本专利技术提出一种公路路面检测方法,以解决上述
技术介绍
中提出的问题。
2、为了实现上述目的,本专利技术提供如下技术方案:一种公路路面检测方法,包括如下步骤:
3、s1:通过拍摄设备采集公路路面图像,同时通过传感器实时收集路面数据;
4、s2:将采集的图像进行灰度化、去噪、二值化操作,优化图像质量,同时对实时监测的路面数据进行预处理;
5、s3:通过预设算法提取路面图像中的纹理、裂纹、坑槽等特征,同时对预处理后的实时监测数据进行特征提取,包括异常温度、异常湿度;
6、s4:通过提取路面图像的特征,训练深度学习模型,同时结合增强学习算法建立决策模型;
7、s5:将新的路面图像输入到训练好的深度学习模型中,通过自动化标定和校准功能,得到路面状况评分,当评分低于预设阈值
8、s6:依据路面状况评分和决策模型,设置阈值a、b,a>b,当评分低于阈值b时,提醒人员检查路面,当评分低于阈值a时,提醒人员检修路面。
9、优选的,所述深度学习模型包括卷积神经网络和循环神经网络。
10、优选的,所述预设算法包括sobel算子、canny边缘检测算法。
11、优选的,所述路面数据包括温度、湿度、车流量。
12、优选的,所述拍摄设备包括高分辨率相机或无人机搭载的摄像头。
13、优选的,所述灰度化的公式为:
14、y=0.2989*r+0.5870*g+0.1140*b;
15、其中,y表示灰度值,r、表示图像的红通道亮度值、g表示绿通道亮度值、、b蓝通道的亮度值。
16、优选的,所述去噪的公式为:
17、(i_{filtered}=i_{original}*h);
18、其中,(i_{filtered})为去噪后的图像,(i_{original})为原始图像,h为高斯滤波器。
19、优选的,所述canny边缘检测的计算公式为:
20、[e=\sqrt{d^2_1+d^2_2}][t=\frac{\sigma}{2}*max(e)];
21、其中,e为梯度幅度,d1和d2分别为与边缘点相邻的两个像素点的梯度方向,σ为高斯滤波器的标准差,t为阈值。
22、优选的,所述卷积神经网络的公式为:
23、[y=f(w*x+b)];
24、其中,y为输出,f为激活函数(如relu),w为卷积核权重矩阵,b为偏置向量,x为输入特征矩阵。
25、优选的,所述循环神经网络的公式为:
26、[h_t=f(w_h*x_t+u*h_{t-1}+b_h)];
27、其中,h_t为当前时刻的隐藏状态,x_t为当前时刻的输入向量,w_h和u分别为权重矩阵和转移矩阵,b_h为偏置向量。
28、在上述技术方案中,本专利技术提供的技术效果和优点:
29、本专利技术采用深度学习技术进行路面状况预测,相比传统的方法,具有更高的准确性和鲁棒性,通过集成多源数据、实时监测与预警系统等技术手段,能够及时发现路面问题,提高公路养护的效率和质量,进而可以对路面未来情况进行预测,辅助维护人员对公路路面进行维护,并且可以实时预警,当评分低于阈值时,可以自动触发对应的维修措施,可以及时发现路面问题,提供公路养护的效率和质量。
本文档来自技高网...【技术保护点】
1.一种公路路面检测方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的一种公路路面检测方法,其特征在于:所述深度学习模型包括卷积神经网络和循环神经网络。
3.根据权利要求2所述的一种公路路面检测方法,其特征在于:所述预设算法包括Sobel算子、Canny边缘检测算法。
4.根据权利要求3所述的一种公路路面检测方法,其特征在于:所述路面数据包括温度、湿度、车流量。
5.根据权利要求4所述的一种公路路面检测方法,其特征在于:所述拍摄设备包括高分辨率相机或无人机搭载的摄像头。
6.根据权利要求5所述的一种公路路面检测方法,其特征在于:所述灰度化的公式为:
7.根据权利要求6所述的一种公路路面检测方法,其特征在于:所述去噪的公式为:
8.根据权利要求7所述的一种公路路面检测方法,其特征在于:所述Canny边缘检测的计算公式为:
9.根据权利要求8所述的一种公路路面检测方法,其特征在于:所述卷积神经网络的公式为:
10.根据权利要求9所述的一种公路路面检测方法,其特征在于:所
...【技术特征摘要】
1.一种公路路面检测方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的一种公路路面检测方法,其特征在于:所述深度学习模型包括卷积神经网络和循环神经网络。
3.根据权利要求2所述的一种公路路面检测方法,其特征在于:所述预设算法包括sobel算子、canny边缘检测算法。
4.根据权利要求3所述的一种公路路面检测方法,其特征在于:所述路面数据包括温度、湿度、车流量。
5.根据权利要求4所述的一种公路路面检测方法,其特征在于:所述拍摄设备包括高分辨率相机或...
【专利技术属性】
技术研发人员:李捷飞,黄伟,杨建湖,张杰文,曹剑清,
申请(专利权)人:云南云路工程检测有限公司,
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。