当前位置: 首页 > 专利查询>同济大学专利>正文

道路隐伏病害检测方法、设备、存储介质以及程序产品技术

技术编号:44829863 阅读:23 留言:0更新日期:2025-03-28 20:22
本公开涉及道路工程、地球物理勘查和计算机科学与技术,尤其是提供一种道路隐伏病害检测方法、设备、存储介质以及程序产品。该方法通过扩散模型获得实际采集的道路隐伏病害图像的虚拟图像,并利用虚拟图像和道路隐伏病害图像生成混合数据集,之后将优化后的YOLO模型在混合数据集上进行训练、验证和测试,进而获得最优模型和最优数据集,服务于实际道路隐伏病害的巡检工作。YOLO模型所依赖的混合数据集并不完全是实际采集的真实图像,只需要采集小样本真实图像,即可获得混合数据集,采用本申请实施例的方案可大幅减少真实图像采集过程的人力和物力消耗,满足YOLO对道路隐伏病害数据量的严重依赖。

【技术实现步骤摘要】

本公开涉及道路工程、地球物理勘查和计算机科学与技术,尤其是涉及一种道路隐伏病害检测方法、设备、存储介质以及程序产品


技术介绍

1、在交通荷载、复杂环境等因素耦合作用下,道路结构容易出现裂缝、空洞等隐伏病害,严重影响道路结构稳定性并造成交通安全隐患。目前,一些无损检测已设备应用于遇险筛查过程中。其中,探地雷达是一种有效的、用户友好的技术,相比于传统的有损检测方案,具有对道路结构几乎无影响、检测效率高、人力成本低等特点。探地雷达在道路基础设施运维中有着广泛的应用,其根据发射和接受电磁波在不同介质中的传播规律提取道路隐蔽结构中病害特征和具体位置,并将原始数据以二维图像形式呈现。

2、近年来,数字信号和图像处理技术的进一步发展使得检测图像中的物体目标成为可能。特别的,在无需人工提取目标特征的深度学习领域,以yolov8为代表的各类卷积神经网络目标检测模型快速进步,其与车载探地雷达的联合应用逐渐实现了道路隐伏病害的自动化探测。

3、但是,探地雷达的实际工程应用仍面临下述严峻挑战:

4、以yolov8为代表的一系列目标检测模型的训本文档来自技高网...

【技术保护点】

1.一种道路隐伏病害检测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,通过扩散模型生成每个所述道路隐伏病害图像的虚拟图像,包括:

3.根据权利要求1所述的方法,其特征在于,基于所述虚拟图像、所述道路隐伏病害图像、所述虚拟图像的标签和所述道路隐伏病害图像的标签,生成第二数量的混合数据集,包括:

4.根据权利要求3所述的方法,其特征在于,基于每个所述图像集合和从带有标签的所述虚拟图像中获取的所述目标数量的第二训练图像,获得所述第二数量的混合数据集之前,还包括:

5.根据权利要求1所述的方法,其特征在于,获取通过图像采集设备...

【技术特征摘要】

1.一种道路隐伏病害检测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,通过扩散模型生成每个所述道路隐伏病害图像的虚拟图像,包括:

3.根据权利要求1所述的方法,其特征在于,基于所述虚拟图像、所述道路隐伏病害图像、所述虚拟图像的标签和所述道路隐伏病害图像的标签,生成第二数量的混合数据集,包括:

4.根据权利要求3所述的方法,其特征在于,基于每个所述图像集合和从带有标签的所述虚拟图像中获取的所述目标数量的第二训练图像,获得所述第二数量的混合数据集之前,还包括:

5.根据权利要求1所述的方法,其特征在于,获取通过图像采集设备采集的第一数量的道路隐伏病害图像之前,还包括:

<...

【专利技术属性】
技术研发人员:严宇崔敏行杜彦良王国清何勇海秦禄生徐飞
申请(专利权)人:同济大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1