[发明专利]路面病害识别方法、系统、电子设备及存储介质

说明书

本发明实施例提供一种路面病害识别方法、系统、电子设备及存储介质，其中方法包括：确定待识别的路面病害图片；将所述待识别的路面病害图片输入至病害识别模型中，得到所述病害识别模型输出的路面病害识别结果；其中，所述病害识别模型是基于路面病害的样本图片及所述样本图片对应的病害类别标注训练得到的。同时公开了与上述方法构成同一发明构思的系统，包括图片确定单元和病害识别单元。本发明解决了现有路面裂缝的自动分割算法存在通用性、精度和效率不高的问题。

技术领域

本发明涉及公路图像识别技术领域，尤其涉及一种路面病害识别方法、系统、电子设备及存储介质。

背景技术

随着公路总里程数不断增加，公路养护管理任务日益加重，如何快速、高效、准确、及时的对路面损坏状况进行检测及评定尤为重要。目前路面检测主要依靠检测车进行全路段数据采集，已实现自动化，但是路面破损检测与分割主要是靠人工识别，在耗费较多的时间和人力资源的同时，效率较低，主观因素对结果影响明显。目前，裂缝分割技术成为一大研究热点，提出了多种多样的识别算法。

虽然路面裂缝的自动分割算法在近些年得到了一定发展，但仍存在着传统图像处理方法难以消除的问题：路面情况易变，图像获取时易受光照、阴影等外界条件的干扰。此时路面裂缝的自动分割算法通用性不高，且存在着精度和速度上的矛盾。例如使用CNN的识别分割方法并不能得到完整的路面裂缝图像，不利于后期路径规划过程的实施。若使用CNN来预测图像的每个像素的类，仍然需要手动设计的特征提取器进行预处理，而CNN仅用作分类器。此外，其网络架构与输入图像大小严格相关，这阻止了该方法的泛化。使用CNN来预测在局部信息上单个像素是否属于裂缝存在忽略像素之间的空间关系及高估裂缝宽度的问题。

发明内容

本发明提供一种路面病害识别方法、系统、电子设备及存储介质，用以解决现有路面裂缝的自动分割算法存在通用性、精度和效率不高的问题。

本发明提供一种路面病害识别方法，包括：

确定待识别的路面病害图片；

将所述待识别的路面病害图片输入至病害识别模型中，得到所述病害识别模型输出的路面病害识别结果；

其中，所述病害识别模型是基于路面病害的样本图片及所述样本图片对应的病害类别标注训练得到的。

进一步地，所述病害识别模型包括图片预处理模型、候选框优化模型、传输连接块和目标检测模型；

所述将所述待识别的路面病害图片输入至病害识别模型中，得到所述病害识别模型输出的路面病害识别结果，包括：

将所述待识别的路面病害图片输入所述图片预处理模型，输出预处理后的路面病害图片；

将所述预处理后的路面病害图片输入所述候选框优化模型，输出每个特征层中优化后的候选框和相应的每个特征层的特征图；

将所述每个特征层的特征图输入所述传输连接块，输出每个特征层的可变形卷积的特征图；

将所述每个特征层中优化后的候选框和所述每个特征层的可变形卷积的特征图输入所述目标检测模型，输出所述路面病害识别结果。

进一步地，将所述每个特征层的特征图输入所述传输连接块，输出每个特征层的可变形卷积的特征图，包括：

基于所述每个特征层的特征图生成所述待识别的路面病害图片中每个像素的偏移量；

基于所述每个特征层的特征图和所述待识别的路面病害图片中每个像素的偏移量进行卷积运算得到所述每个特征层的可变形卷积的特征图。

进一步地，所述病害识别模型是基于路面病害的样本图片及所述样本图片对应的病害类别标注训练得到的，包括以下步骤：