[發明專利]一種基于U型編碼解碼器神經網絡的道路裂縫檢測方法及系統

在審

• 申請號: 202110102284.5
• 申請日: 2021-01-26
• 公開（公告）號: CN112785578A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 朱貴杰;馬培立;范衠;李曉明;林培涵;韋家弘;黃文寧;葉志豪;李建立;黃銘威
• 申請（專利權）人: 汕頭大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 朱繼超

本發明公開了一種基于U型編碼解碼器神經網絡的道路裂縫檢測方法及系統，所述檢測方法包括：獲取初始道路裂縫數據集，對初始道路裂縫數據集擴展處理，得到第一道路裂縫數據集；構建U型編碼解碼器神經網絡，U型編碼解碼器神經網絡包括1組注意力模型層數加深模塊；使用第二道路裂縫數據集驗證所述訓練好的U型編碼解碼器神經網絡，得到驗證通過后的最終U型編碼解碼器神經網絡；將最終U型編碼解碼器神經網絡嵌入到移動設備，進行道路裂縫的實際檢測。在U?Net網絡的編解碼器神經網絡基礎上加入注意力模型層數加深模塊，用于道路裂縫的檢測，減少了模型參數，進而減少模型處理圖像的時間，便于嵌入到移動設備進行實時道路裂縫檢測。

技術領域

本發明涉及道路裂縫檢測領域，尤其涉及一種基于U型編碼解碼器神經網絡的道路裂縫檢測方法及系統。

背景技術

隨著交通運輸業的發展，公路道路的養護工作變得十分的重要。裂縫是道路受損中最為常見的缺陷，道路路面缺陷的檢測是后續維護和修理的前提。因此道路裂縫的檢測工作必不可少。在實際檢測過程中由于裂縫分布雜亂無規律，且容易被周邊障礙物干擾，造成漏檢誤檢，從而對道路健康狀況產生極大的安全隱患。現實生活中，由于裂縫分布雜亂無規律，往往存在很多細小裂縫，容易被周邊障礙物干擾造成漏檢誤檢造成了極大的安全隱患。

傳統的道路裂縫識別一般由道路維護人員現場人工檢測，盡管采用攝像設備進行圖像采集，裂縫的識別標注還是需要人工標注完成，不同觀察者的經驗判斷，主觀感受都不一樣，即便是對同一張道路裂縫圖像進行識別標注，不同觀察者給出的結果也各不相同。因此傳統的手工道路裂縫識別不僅耗費大量人力，而且沒有辦法保證裂縫識別的精度和效率。此外，在實際交通運輸過程中，人工檢測道路裂縫還會對人員帶來安全隱患。

現有技術中，采用傳統圖像處理方法對道路裂縫進行識別，其對圖像的畫質要求較高，且操作復雜，耗時，得到的識別效果不太理想，精度不高；而采用無監督方法，神經網絡模型通常涉及較多需要滿足的附加條件，對圖像的質量要求較高，且識別出的道路裂縫精度較低；有監督方法中，神經網絡模型對復雜道路表面圖像的特征有著較強的提取能力，相較于傳統的圖像處理方法和無監督方法，神經網絡模型對這些復雜情況體現出明顯的優勢。但現有的一些用于道路表面裂縫檢測的深度學習方法即使手動標注數據集也是一些簡單的，甚至人眼均能很好辨認的數據照片，而沒有針對實際的一些裂縫情況進行識別，而實際對道路表面采集的圖像具有復雜性，不一定是畫質清晰和背景簡單的圖像，另外，現有的神經網絡例如U-Net神經網絡，參數量大，通常需要消耗較高的內存和計算復雜度，使其很難運行在沒有足夠計算力的設備上，并且由于計算耗時慢，無法實現實時檢測，進而無法應用到機器人或移動端進行實時檢測。

發明內容

本發明提供一種基于U型編碼解碼器神經網絡的道路裂縫檢測方法及系統，以解決現有技術中所存在的一個或多個技術問題，至少提供一種有益的選擇或創造條件。。

第一方面，本發明實施例提供了一種基于U型編碼解碼器神經網絡的道路裂縫檢測方法，包括：

獲取初始道路裂縫數據集，對初始道路裂縫數據集擴展處理，得到第一道路裂縫數據集；

構建U型編碼解碼器神經網絡，使用第一道路裂縫數據集訓練所述U型編碼解碼器神經網絡，得到訓練好的U型編碼解碼器神經網絡，所述U型編碼解碼器神經網絡包括編碼器部分和解碼器部分，所述編碼器部分包括第一層的初始卷積模塊，第二層至第五層的4組卷積編碼器模塊，所述解碼器部分包括第六層的1組注意力模型層數加深模塊、第七層至第十層的4組注意力卷積解碼器模塊；

使用第二道路裂縫數據集驗證所述訓練好的U型編碼解碼器神經網絡，得到驗證通過后的最終U型編碼解碼器神經網絡；

將最終U型編碼解碼器神經網絡嵌入到移動設備，進行道路裂縫的實際檢測。

進一步，所述構建道路裂縫數據集，對道路裂縫數據集擴展處理，得到第一道路縫數據集包括：