[发明专利]一种随车道路缺陷智能快速检测方法在审

专利信息
申请号: 201910906266.5 申请日: 2019-09-24
公开(公告)号: CN110658209A 公开(公告)日: 2020-01-07
发明(设计)人: 宋金博 申请(专利权)人: 江西交通职业技术学院
主分类号: G01N21/95 分类号: G01N21/95;G01N21/88;B61K9/08;G06K9/00;G06K9/62
代理公司: 51265 成都帝鹏知识产权代理事务所(普通合伙) 代理人: 黎照西
地址: 330000*** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 道路图像信息 道路维护 检测结果 缺陷信息 管理端 检测 终端 缺陷检测结果 图像检测装置 采集装置 车载图像 快速检测 人力物力 实时获取 网络传递 无线网络 专用设备 随车 判定 采集 智能 学习 传递 分类 节约 管理
【说明书】:

发明公开一种随车道路缺陷智能快速检测方法,包括步骤通过车载图像采集装置采集道路图像信息,并通过无线网络将所述道路图像信息传递至检测管理端;在所述检测管理端中,通过深度学习的方式对所述道路图像信息进行学习,获得道路缺陷信息,并对所述缺陷信息进行分类和判定作为检测结果;将所述检测结果通过网络传递至各个道路维护终端,由道路维护终端的管理人员实时获取到道路缺陷检测结果。本发明能够快速且实时的实现道路缺陷的精确检测;无需使用专用设备,仅通过现有车辆上的图像检测装置,即可实现,节约了大量的人力物力。

技术领域

本发明属于铁路检测技术领域,特别是涉及一种随车道路缺陷智能快速检测方法。

背景技术

近年来交通高速发展,运营里程快速增长,随着道路服役时间的增加和向高速重载方向发展,道路损伤探测技术倍受关注。道路表面缺陷会加快车轮的磨损,同时道路表面裂缝反复碾压后也会导致断裂,这些都增加了事故发生的可能性,严重影响行车安全。

目前所采用的检测方式,需要配备专用的检测车辆通过激光扫描等方式对路面进行扫描后获取检测结果。但是这样的检测方式实时性能差,需要检测车辆不断的定时检测,并且需要配置专业的检测仪器,浪费了大量的人力物力,还会对交通正常运行造成一定的影响。

发明内容

为了解决上述问题,本发明提出了一种随车道路缺陷智能快速检测方法,能够快速且实时的实现道路缺陷的精确检测;无需使用专用设备,仅通过现有车辆上的图像检测装置,即可实现,节约了大量的人力物力。

为达到上述目的,本发明采用的技术方案是:一种随车道路缺陷智能快速检测方法,包括步骤:

通过车载图像采集装置采集道路图像信息,并通过无线网络将所述道路图像信息传递至检测管理端;

在所述检测管理端中,通过深度学习的方式对所述道路图像信息进行学习,获得道路缺陷信息,并对所述缺陷信息进行分类和判定作为检测结果;

将所述检测结果通过网络传递至各个道路维护终端,由道路维护终端的管理人员实时获取到道路缺陷检测结果。

进一步的是,所述车载图像采集装置包括摄像头、图像采集卡和无线传输器,所述摄像头所采集的图像数据通过图像采集卡由无线传输器传输给检测管理端。

进一步的是,所述车载图像采集装置还包括GPS定位器和处理器,所述图像采集卡连接至处理器,所述处理器上连接无线传输器,以同一时间节点为间隔由所述GPS定位器和摄像头同步获取图像数据和定位数据作为该时间节点的采集数据,将所述采集数据通过无线网络传递至检测管理端。在实现图像识别的同时,能够精确确定缺陷位置,便于后期维修。

进一步的是,在监控主机检测管理端中,利用深度学习中的卷积神经网络,建立道路缺陷识别模型;将所采集的道路图像信息输入道路缺陷识别模型;在所述路缺陷识别模型中,对道路图像信息进行特征提取,自动学习到道路图像信息的局部异常区域特征,识别出道路图像信息中的缺陷点位。能够快速且精确的识别出道路中存在的缺陷。

进一步的是,通过深度学习的方式对所述道路图像信息进行学习,获得道路缺陷信息,包括步骤:

从道路图像信息中提取道路图像;

将所述道路图像进行预处理;

对所述道路图像进行特征提取,构成图像特征向量;

将所述道路图像特征向量输入所述路缺陷识别模型,识别出道路图像信息中的缺陷点位。

进一步的是,所述预处理过程包括步骤:

将所述道路图像转换成灰度图像,并生成轮廓图像;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西交通职业技术学院,未经江西交通职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910906266.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top