[发明专利]路面裂缝检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种路面裂缝检测方法、装置、计算机设备和存储介质。所述方法包括：获取多幅训练图像、多个训练模型和一个应用模型；将每幅训练图像分别输入至各个神经网络模型，得到每个神经网络模型的输出；根据多个训练模型对应同一幅训练图像的输出，确定训练图像的参考类别；调整应用模型的模型参数直至满足第一训练停止条件，得到预训练的应用模型；获取多幅标记有裂缝所在区域位置的路面图像；将路面图像作为训练样本，路面图像中的裂缝所在区域位置作为训练标签，对预训练的应用模型进行再训练直至满足第二训练停止条件，得到最终训练好的应用模型；最终训练好的应用模型用于对路面裂缝进行检测。采用本方法能够准确检测路面裂缝。

技术领域

本申请涉及图像分析技术领域，特别是涉及一种路面裂缝检测方法、装置、计算机设备和存储介质。

背景技术

随着交通运输业的发展，道路的维护保养变得十分重要。道路作为交通枢纽的重要组成部分，不仅承担着运输重任，还关系着运输人员的安危。但是道路经过使用之后难免会出现路面裂缝，造成道路结构抗力衰减，存在安全隐患。此时需要及时进行修理，否则只会日益严重。因此，道路的定期检查是必不可少的，以及时检测出路面裂缝。

传统技术中，可以先通过摄像设备采集路面裂缝训练图像。然后由人工在每个路面裂缝训练图像上标注出路面裂缝所在区域，得到路面裂缝训练图像对应的裂缝所在区域位置。再利用路面裂缝训练图像和对应的裂缝所在区域位置，对神经网络模型进行训练。最后将路面裂缝检测图像输入神经网络模型中，即可得到路面裂缝检测图像上的裂缝所在区域位置。

然而，路面裂缝的分布杂乱无规律，而且细小的路面裂缝容易被周边障碍物干扰，导致在每个路面裂缝训练图像上标注出路面裂缝所在区域需要耗费大量人力，标注有路面裂缝所在区域位置的路面裂缝训练图像数量很少，这样训练出来的神经网络模型在路面裂缝检测图像上无法准确检测出路面裂缝所在位置。

发明内容

基于此，有必要针对上述技术问题，提供一种能够准确检测路面裂缝的路面裂缝检测方法、装置、计算机设备和存储介质。

一种路面裂缝检测方法，所述方法包括：

获取多幅训练图像、多个训练模型和一个应用模型；所述应用模型和所述多个训练模型为结构各不相同的神经网络模型，各个所述神经网络模型输出的类别范围与所述多幅训练图像的类别范围相同；

将每幅所述训练图像分别输入至各个所述神经网络模型，得到每个所述神经网络模型的输出；

根据所述多个训练模型对应同一幅所述训练图像的输出，确定所述训练图像的参考类别；

调整所述应用模型的模型参数直至满足第一训练停止条件，得到预训练的应用模型；所述预训练的应用模型对应所述训练图像的输出与所述训练图像的参考类别之间的差异小于阈值；

获取多幅标记有裂缝所在区域位置的路面图像；

将所述路面图像作为训练样本，所述路面图像中的裂缝所在区域位置作为训练标签，对所述预训练的应用模型进行再训练直至满足第二训练停止条件，得到最终训练好的应用模型；所述最终训练好的应用模型用于对路面裂缝进行检测。

在其中一个实施例中，所述获取多幅训练图像、多个训练模型和一个应用模型，包括：

建立多个训练模型和一个应用模型；

获取多幅标记有所属类别的分类图像；

将所述分类图像作为训练样本，所述分类图像所属类别作为训练标签，对每个所述训练模型进行训练直至满足第三训练停止条件，得到训练好的训练模型。

在其中一个实施例中，所述将每幅所述训练图像分别输入至各个所述神经网络模型，得到每个所述神经网络模型的输出，包括：