一种基于改进U-Net模型的道路裂纹检测分割方法技术

本发明专利技术公开了一种基于改进U‑Net模型的道路裂纹检测分割方法，获取不同场景下的道路裂纹图像，并对道路裂纹图像进行预处理以及数据集划分；搭建改进U‑Net网络模型，采用划分后的训练集训练改进U‑Net网络模型，将测试集中的图像输入训练好的改进U‑Net网络模型，获取分割结果，分割出图像中的裂纹；所述改进U‑Net网络模型是以原始U‑Net网络模型为基础。本发明专利技术提高道路裂纹检测的准确性和效率，以确保道路的安全和舒适性，并为道路维护工作提供有效的支持。

【技术实现步骤摘要】

本专利技术涉及一种基于改进u-net模型的道路裂纹检测分割方法。

技术介绍

1、早期的道路破损检测主要是人工察看和基于传统的机器视觉算法。人工方法费事费力，且效率低下，已经不足以满足日益增加的道路养护需求。传统的基于机器视觉的图像处理算法，如中值滤波、阈值算法、边缘检测等，对于图像中的噪声、光照变化、复杂背景等干扰因素较为敏感，容易导致处理结果的不稳定性和不准确性。

2、目前，基于深度学习的路面裂缝检测方法普遍采用卷积神经网络模型，由于卷积神经网络具备自主学习特征的能力以及平移不变性，可以克服传统数字图像处理方法以及机器学习难以适应裂缝特征以及难以拟合的问题，在图像检测领域有广阔的应用前景。然而，当前路面图像裂缝的检测模型，例如现有专利：cn110569730a、cn115035371a，cn115953672a，并未有效区分裂缝区域和背景，且裂缝数据集中存在类内距离大、类间距离小，裂缝区域的边界不连续且模糊的问题。

技术实现思路

1、本专利技术是为了解决上述现有技术存在的问题而提供一种基于改进u本文档来自技高网...

【技术保护点】

1.一种基于改进U-Net模型的道路裂纹检测分割方法，其特征在于：包括以下步骤：

2.如权利要求1所述的基于改进U-Net模型的道路裂纹检测分割方法，其特征在于：所述双层空间注意力模块是基于CBAM注意力机制进行改进，改进点为：

3.如权利要求1所述的基于改进U-Net模型的道路裂纹检测分割方法，其特征在于：所述改进的空洞空间金字塔池化模块是在原始的ASPP模块的基础上进行改进，改进点为：在ASPP模块上新增分支并引入了全局池化操作。

4.如权利要求1所述的基于改进U-Net模型的道路裂纹检测分割方法，其特征在于：所述Transition Layer包...

【技术特征摘要】

1.一种基于改进u-net模型的道路裂纹检测分割方法，其特征在于：包括以下步骤：

2.如权利要求1所述的基于改进u-net模型的道路裂纹检测分割方法，其特征在于：所述双层空间注意力模块是基于cbam注意力机制进行改进，改进点为：

3.如权利要求1所述的基于改进u-net模型的道路裂纹检测分割方法，其特征在于：所述改进的空洞空间金字塔池化模块是在原始的aspp模块的基础上进行改进，改进点为：在aspp模块上新增分支并引入了全局池化操作。

4.如权利要求1所述的基于改进u-net模型的道路裂纹检测分割方法，其特征在于：所述transition layer包括平均池化层和一个1x1卷积层。

5.如权利要求1...

【专利技术属性】
技术研发人员：王永星，陆羽琪，陆文雪，成淑婷，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：