[發明專利]基于圖像識別深度學習的道路病害檢測系統及方法

有效

• 申請號: 202110616773.2
• 申請日: 2021-06-03
• 公開（公告）號: CN113096126B
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 寇世豪;鄭武;張蓉;鄧承剛;楊海濤
• 申請（專利權）人: 四川九通智路科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/187;G06K9/32;G06K9/38;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 成都天嘉專利事務所(普通合伙) 51211
• 代理人: 康拯通

本發明屬于智能交通技術領域，具體涉及一種基于圖像識別深度學習的道路病害檢測系統及方法，系統包括圖像處理模塊、圖像檢測模塊、圖像分割模塊以及圖像分類模塊，方法包括樣本圖像采集步驟、樣本圖像預處理步驟、樣本標注步驟、模型訓練步驟和道路病害檢測步驟，是一種基于深度學習，對道路圖像進行檢測、分類、分割的道路病害檢測技術。

技術領域

本發明屬于智能交通技術領域，具體涉及一種基于圖像識別深度學習的道路病害檢測系統及方法。

背景技術

公路結構層可分為面層、基層和土基，基層又可分為墊層（底基層）、基層；路基的主要作用是承受公路結構層重量和荷載路面，是土層；墊層是路面的最底層，起排水、擴散基層應力并將應力傳到路基；基層主要是承重，并將面層應力擴散到墊層；面層主要是改善行車條件，保護路面基層。即，路基是在天然地表面按照道路的設計線形（位置）和設計橫斷面（幾何尺寸）的要求開挖或堆填而成的巖土結構物，路面是在路基頂面的行車部分用各種混合料鋪筑而成的層狀結構物

因此，對于公路來說最重要的組成部分便是路基路面，這是公路養護的重點內容和部位，但是由于病害（裂隙、坑洞等）時有發生，這對于公路的使用產生了直接的影響，對于相關病害的處置約占養護費用的80%以上，因此對于道路病害需要進行相關的檢測，以便進行相關的公路養護以及相關事故的提前預防。

在傳統的道路病害檢測中主要是以傳統LBP（Local Binary Patter，局部二值模式）算子以及Gabor濾波算子來對被檢測道路的圖像進行紋理特征提取，通過提取到的特征來分辨哪些是道路損壞的地方。其中LBP算子在處理圖像特征方面具有旋轉不變性以及灰度不變性等顯著特征，這對于提取相關特征有較好作用；而Gabor濾波算子的兩個優勢在于一方面滿足“測不準原理”所確定的有效持續時間和有效頻率帶寬乘積的下限，這意味著它可以同時在時域和頻域獲得較佳的局部化，且它是帶通的，這與人類視覺接收場模型相吻合。

但是這兩個方式存在著一些問題：首先這兩種方式在處理實際路面特征時由于算法的處理邏輯并不完善，因此往往在實際表現中檢測效果不佳；其次，LBP算子在平坦圖像區域上不太穩健，受到圖像噪聲的影響較高；再者，Gabor算子則是在提取圖像特征時存在計算量過大的情況。

發明內容

為了克服上述現有技術中存在的問題和不足，本發明旨在于提出一種基于深度學習，對道路圖像進行檢測、分類、分割的道路病害檢測系統及方法。

本發明的目的是通過以下技術方案實現的：

基于圖像識別深度學習的道路病害檢測系統，包括圖像處理模塊、圖像檢測模塊、圖像分割模塊以及圖像分類模塊；

所述圖像處理模塊用于對采集到的待檢測道路的圖像進行預處理，待檢測道路的圖像中包含路面的道路病害圖片以及相關道路病害的標簽數據，將經過預處理的圖像傳送至所述圖像檢測模塊中；

所述圖像檢測模塊通過Labelme標注工具、根據道路左右兩邊終止實線為劃分、從所述圖像處理模塊預處理的圖像中提取出屬于道路路面的部分，并發送給所述圖像分割模塊以及圖像分類模塊，用于后續進行病害形態的分割以及病害類別的分類；

所述圖像分割模塊通過經訓練學習的目標分割網絡，從所述圖像檢測模塊中提取出的屬于道路路面的部分中以像素級的細粒度的進行路面病害部分分割，用以刻畫路面病害的形態；像素級的細粒度指的就是圖片的最低分割單位，也即一個像素點一個像素點的進行分割，具體的就是通過訓練出相應的目標分割網絡，基于這個分割網絡進行像素級分割；

所述圖像分類模塊根據先驗閾值，將所述圖像檢測模塊中提取出的屬于道路路面的部分，按照不同的道路病害類別和等級進行聚類分類；所述先驗閾值，可以根據管理要求進行配置，比如《水泥混凝土路面病害明細表》等相關文檔進行等級和類別的劃分。

對應的，本發明還提供了一種基于圖像識別深度學習的道路病害檢測方法，包括以下步驟：