[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

本發明公開了一種路面裂縫檢測方法、系統及存儲介質，其中方法包括控制無人機獲取路面圖像；利用級聯的多個多重卷積模塊輸出多個包含圖像特征的多尺度特征圖，多重卷積模塊包括n個卷積層，第a個卷積層的輸入為前(a?1)個卷積層的輸出；融合所有所述多尺度特征圖融合；根據融合特征圖得到判斷結果；通過復用圖像特征，最大化網絡中所有卷積層間的信息流，減輕在訓練過程中梯度消散的問題；提高檢測細微的路面裂縫的準確性和魯棒性。

技術領域

本發明涉及路面裂縫檢測技術，特別是一種路面裂縫檢測方法、系統及存儲介質。

背景技術

為了保持公路、橋梁等基礎工程的良好狀態，及時有效地維護路面是很必要的，這樣可以最大程度地減少維護成本并提高效率。目前主要通過人工檢查的方式由觀察員進行裂縫檢查并對路面裂縫的嚴重性進行評分，但人工檢查方式效率低。隨著圖像技術發展，也存在利用圖像技術對路面裂縫進行識別，但是由于路面裂縫細微，且裂縫與正常路面在色彩形狀上相近，如果僅僅由路面圖像利用傳統的圖像識別技術進行判斷，預測效果差。

發明內容

本發明的目的在于至少解決現有技術中存在的技術問題之一，提供一種路面裂縫檢測方法、系統及存儲介質。

本發明解決其問題所采用的技術方案是：

本發明的第一方面，一種路面裂縫檢測方法，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。

根據本發明的第一方面，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。

根據本發明的第一方面，所述路面裂縫檢測方法，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。

根據本發明的第一方面，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。

本發明的第二方面，一種路面裂縫檢測系統，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；