一种基于多特征尺度融合Faster-R-CNN的路面裂缝识别及分类方法技术

本发明专利技术公开了一种基于多特征尺度融合Faster‑R‑CNN的路面裂缝识别及分类方法，具体涉及道路检测技术领域，通过搭载高清摄像头的汽车获取研究区域路面图像数据并进行预处理形成所需的图像数据集；使用ZFNet作为裂缝特征提取模块进行多特征融合，增强特征信息，再结合RPN全卷积网络通过优化锚框生成方式进行检测，以及使用反向传播和随机梯度下降优化提取病害候选区域，实现病害分类与边框回归；通过Soft‑NMS算法以提高检测精度，Soft‑NMS算法执行过程中同NMS相同，但是对原置信度得分使用函数运算，目标是降低置信度得分，以降低漏检率和提高检测精度，实现Faster‑R‑CNN目标检测算法的构建。

【技术实现步骤摘要】

本专利技术涉及道路检测，具体涉及一种基于多特征尺度融合faster-r-cnn的路面裂缝识别及分类方法。

技术介绍

1、目前行业中路面裂缝的检测主要由专业技术人员以及高成本的设施来执行，但部分地区公路地处特殊，条件恶劣，人为检测成本较高且难以满足实时需求且难以适应大规模的公路网络。而公路病害的自动检测方法主要包括基于红外热成像的病害检测方法、基于地质雷达的病害检测方法、基于超声的病害检测方法、基于激光扫描的病害检测方法以及基于图像采集的病害检测方法。虽然现有的检测方法虽各具优势，但仍存在显著局限性。

2、其中，基于红外热成像的方法依赖路面温度差异检测裂缝或空洞，但易受环境温度波动、光照条件及路面材料热传导特性的干扰，尤其在雨雪天气或昼夜温差较大时误检率显著上升。地质雷达技术通过电磁波反射识别结构层病害，虽能探测深层缺陷，但设备成本高昂且操作专业性要求高，数据处理复杂，难以实现实时检测，且对浅层裂缝的分辨率较低。超声检测技术利用声波传播特性评估病害，虽可量化裂缝深度，但需接触式测量且检测效率低，难以适应车载移动场景的大范围快速检测需求。激光扫描技本文档来自技高网...

【技术保护点】

1.一种基于多特征尺度融合Faster-R-CNN的路面裂缝识别及分类方法，包括：

2.根据权利要求1所述的一种基于多特征尺度融合Faster-R-CNN的路面裂缝识别及分类方法，其特征在于：ZFNet中的注意力池化模块具体流程如下：

3.根据权利要求1所述的一种基于多特征尺度融合Faster-R-CNN的路面裂缝识别及分类方法，其特征在于：RPN全卷积网络提取病害候选区域网络的训练过程使用的优化方法是反向传播和随机梯度下降，损失函数是分类误差和回归误差的联合损失，如式(6)如下：

4.根据权利要求1所述的一种基于多特征尺度融合Faster-R-CNN...

【技术特征摘要】

1.一种基于多特征尺度融合faster-r-cnn的路面裂缝识别及分类方法，包括：

2.根据权利要求1所述的一种基于多特征尺度融合faster-r-cnn的路面裂缝识别及分类方法，其特征在于：zfnet中的注意力池化模块具体流程如下：

3.根据权利要求1所述的一种基于多特征尺度融合faster-r-cnn的路...

【专利技术属性】
技术研发人员：柴明堂，姚常杰，王若梅，李昕，牛有庆，王慧敏，徐夕媛，徐凤坤，
申请(专利权)人：宁夏大学，
类型：发明
国别省市：