[發明專利]一種路面裂縫檢測方法、系統及存儲介質

有效

• 申請號: 202110244628.6
• 申請日: 2021-03-05
• 公開（公告）號: CN112989981B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 張俊亮;周文略;翟懿奎;劉始匡;蔣潤錦;黎繁勝;詹英培;黃俊威;陳樂軒;黃學靈;盧燕晴;江子義;廖錦銳
• 申請（專利權）人: 五邑大學
• 主分類號: G06V20/54
• 分類號: G06V20/54;G06V10/40;G06V10/80;G06V10/82;G06N3/0464;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: 梁國平

1.一種路面裂縫檢測方法，其特征在于，包括以下步驟：

控制無人機沿規劃路徑飛行并獲取路面圖像；

使所述路面圖像經過級聯的多個多重卷積模塊提取圖像特征并輸出多個多尺度特征圖，其中，所述多尺度特征圖包含所述圖像特征，所述多重卷積模塊與所述多尺度特征圖一一對應，所述多重卷積模塊包括n個卷積層，第a個所述卷積層的輸入為前(a-1)個所述卷積層的輸出；

將所有所述多尺度特征圖融合得到融合特征圖；

根據所述融合特征圖得到判斷結果，其中，所述判斷結果用于表示所述路面圖像對應的路面是否存在裂縫。

2.根據權利要求1所述的一種路面裂縫檢測方法，其特征在于，所述路面圖像包括坐標信息，所述路面裂縫檢測方法還包括以下步驟：

當所述判斷結果表示所述路面圖像對應的路面存在裂縫，輸出所述路面圖像及對應的所述坐標信息。

3.根據權利要求1所述的一種路面裂縫檢測方法，其特征在于，還包括以下步驟：

根據多個所述多尺度特征圖獲取多個第一損失函數，其中，所述第一損失函數與所述多尺度特征圖一一對應；

根據所述融合特征圖獲取第二損失函數；

根據所述多個第一損失函數和所述第二損失函數得到總損失函數，其中總損失函數用于平衡所述路面圖像中的裂縫像素和非裂縫像素對損耗的貢獻。

4.根據權利要求1所述的一種路面裂縫檢測方法，其特征在于，在所述將所有所述多尺度特征圖融合得到融合特征圖的步驟之前，還包括以下步驟：

將所有所述多尺度特征圖統一尺寸。

5.一種路面裂縫檢測系統，其特征在于，包括：

無人機，所述無人機用于沿規劃路徑獲取路面圖像；

處理器，所述處理器與所述無人機通信連接，所述處理器設有深度學習網絡，所述深度學習網絡包括：

第一特征提取模塊，所述第一特征提取模塊包括級聯的多個多重卷積模塊，所述多重卷積模塊包括n個卷積層，第a個所述卷積層的輸入端與前(a-1)個所述卷積層的輸出端連接，所述第一特征提取模塊用于根據所述路面圖像提取圖像特征并輸出n個多尺度特征圖，其中，所述多尺度特征圖包含所述圖像特征，所述多重卷積模塊與所述多尺度特征圖一一對應；

特征融合模塊，所述特征融合模塊用于將所有所述多尺度特征圖融合得到融合特征圖；

預測模塊，所述預測模塊用于根據所述融合特征圖得到所述判斷結果，其中，所述判斷結果用于表示所述路面圖像對應的路面是否存在裂縫。

6.根據權利要求5所述的一種路面裂縫檢測系統，其特征在于，所述路面圖像包括坐標信息，所述深度學習網絡還包括輸出模塊，所述輸出模塊響應于表示所述路面圖像對應的路面存在裂縫的所述判斷結果，輸出所述路面圖像及對應的所述坐標信息。

7.根據權利要求5所述的一種路面裂縫檢測系統，其特征在于，所述深度學習網絡還包括：

第一損失函數計算模塊，用于根據多個所述多尺度特征圖獲取多個第一損失函數，其中，所述第一損失函數與所述多尺度特征圖一一對應；

第二損失函數計算模塊，用于根據所述融合特征圖獲取第二損失函數；

總損失函數計算模塊，根據所述多個第一損失函數和所述第二損失函數得到總損失函數，其中總損失函數用于平衡所述路面圖像中的裂縫像素和非裂縫像素對損耗的貢獻。

8.根據權利要求5所述的一種路面裂縫檢測系統，其特征在于，所述深度學習網絡還包括尺寸調整模塊，所述尺寸調整模塊用于將所有所述多尺度特征圖統一尺寸。

9.根據權利要求5所述的一種路面裂縫檢測系統，其特征在于，相連的兩個所述多重卷積模塊之間設有轉換模塊，所述轉換模塊用于壓縮從前一個所述多重卷積模塊所提取的所述圖像特征以減少冗余特征。

10.存儲介質，其特征在于，存儲有能被處理器執行的指令，所述指令被處理器執行以實現如權利要求1至4任一項所述的路面裂縫檢測方法。