一种基于多深度学习模型的路面病害识别方法与系统技术方案

本发明专利技术涉及图像处理技术领域，特别涉及一种基于多深度学习模型的路面病害识别方法与系统。该基于多深度学习模型的路面病害识别方法，通过图像归一化预处理，建立统一的病害识别输入标准；采用改良ResNet50模型，进行病害图像分类；采用训练后的一阶段目标检测模型初步标记道路图像中的病害区域，采用二阶段目标检测模型，以密集小框标注训练并结合交集运算，对病害图像进行精细化识别病害，以提升精准度。该基于多深度学习模型的路面病害识别方法与系统，增强了系统对光照、噪声及复杂病害形态的鲁棒性，优化了检测流程效率，显著提高了路面病害检测的准确性和可靠性，为道路维护管理提供了高效、精准的技术支持。

【技术实现步骤摘要】

本专利技术涉及图像处理，特别涉及一种基于多深度学习模型的路面病害识别方法与系统。

技术介绍

1、近年来，基于计算机视觉和机器学习的路面病害识别技术逐渐得到应用。传统机器学习方法需要人工提取图像特征，如边缘、纹理等，特征提取过程依赖专业知识和经验，且对复杂光照、不同路面材质等场景适应性较差。深度学习技术的引入，通过神经网络自动学习图像特征，显著提高了路面病害识别的准确率和效率。

2、但现有基于深度学习的路面病害识别方案，往往仅采用单一模型进行检测，在面对病害类型复杂多样、图像质量参差不齐等情况时，识别精度和泛化能力不足，无法满足实际工程应用中对高精度、高可靠性的需求。

3、为了解决现有路面病害识别技术存在的诸多问题，本专利技术提出了一种基于多深度学习模型的路面病害识别方法与系统。

技术实现思路

1、本专利技术为了弥补现有技术的缺陷，提供了一种简单高效的基于多深度学习模型的路面病害识别方法与系统。

2、本专利技术是通过如下技术方案实现的：

3、一种基于多深度学习模型本文档来自技高网...

【技术保护点】

1.一种基于多深度学习模型的路面病害识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于多深度学习模型的路面病害识别方法，其特征在于：所述步骤S1中，图像归一化预处理步骤如下：

3.根据权利要求1所述的基于多深度学习模型的路面病害识别方法，其特征在于：所述步骤S2中，病害图像分类步骤如下：

4.根据权利要求3所述的基于多深度学习模型的路面病害识别方法，其特征在于：所述步骤S2.2中，模型推理机制实现过程如下：

5.根据权利要求4所述的基于多深度学习模型的路面病害识别方法，其特征在于：为正常类别预设的可调衰减系数α取值范围通过验...

【技术特征摘要】

1.一种基于多深度学习模型的路面病害识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于多深度学习模型的路面病害识别方法，其特征在于：所述步骤s1中，图像归一化预处理步骤如下：

3.根据权利要求1所述的基于多深度学习模型的路面病害识别方法，其特征在于：所述步骤s2中，病害图像分类步骤如下：

4.根据权利要求3所述的基于多深度学习模型的路面病害识别方法，其特征在于：所述步骤s2.2中，模型推理机制实现过程如下：

5.根据权利要求4所述的基于多深度学习模型的路面病害识别方法，其特征在于：为正常类别预设的可调衰减系数α取值范围通过验证集动态优化确定，或者直接取值为0.8。

6.根据权利要求1所述的基于多深度学习模型的路面病害识别方法，其特征在于：所述步骤s3中，一阶...

【专利技术属性】
技术研发人员：李志华，张积磊，肖港华，
申请(专利权)人：浪潮企业云科技山东有限公司，
类型：发明
国别省市：