[发明专利]基于卷积神经网络的道路病害检测方法及系统

说明书

本发明属于道路建设技术领域，提供了基于卷积神经网络的道路病害检测方法及系统，基于生成对抗网络的阴影去除模块去除待检测道路病害图像的阴影；基于去除阴影后的图像和目标检测模型检测得到道路病害类型；其中，所述目标检测模型的构建过程为：采用融合卷积注意力模块的Yolov5目标检测网络，分别在通道和空间维度上执行注意力机制，提取得到不同维度的特征图；基于特征双向融合的思想，采用自适应特征融合方法对不同维度的特征图进行加权融合得到融合的特征图。解决了传统道路病害检测方案存在的弊病，并且在检测精度上有着显著提升。

技术领域

本发明属于道路建设技术领域，尤其涉及一种基于卷积神经网络的道路病害检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着道路建设的快速发展,道路病害检测工作的重要性日益凸显。及时准确地获取道路病害信息，可以为道路养护工作节省巨大成本，同时降低道路交通事故发生的可能性。

传统的道路病害检测主要依靠巡查人员，采用停车巡检、拍照记录、人工量测的方式采集道路病害数据。

但是其存在的问题是：一方面人力成本高、检测效率低、安全性差，另一方面数据不客观、无法有效地管理空间信息，不符合现代道路巡查管理的要求。近年来，计算机视觉方法和深度学习算法越来越多地运用到道路病害检测领域，显著提升了行业水平。但目前的算法仍然存在着受噪声影响大、模型稳定性差等缺点，当前算法有待优化。

发明内容

为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种基于卷积神经网络的道路病害检测方法及系统，其解决了传统道路病害检测方案存在的弊病，并且在检测精度上有着显著提升。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供基于卷积神经网络的道路病害检测方法，包括如下步骤：

获取待检测道路病害图像；

基于生成对抗网络的阴影去除模块去除待检测道路病害图像的阴影；

基于去除阴影后的图像和目标检测模型检测得到道路的病害类型；其中，所述目标检测模型的构建过程为：采用融合卷积注意力模块的Yolov5目标检测网络，分别在通道和空间维度上执行注意力机制，提取得到不同维度的特征图；

基于特征双向融合的思想，采用自适应特征融合方法对不同维度的特征图进行加权融合得到融合的特征图，基于融合的特征图进行特征识别得到道路的病害的分类结果。

本发明的第二个方面提供基于卷积神经网络的道路病害检测系统，包括：

数据获取模块，用于获取待检测道路病害图像；

阴影去除模块，用于基于生成对抗网络的阴影去除模块去除待检测道路病害图像的阴影；

道路病害检测模块，用于基于去除阴影后的图像和目标检测模型检测得到道路病害类型；其中，所述目标检测模型的构建过程为：采用融合卷积注意力模块的Yolov5目标检测网络，分别在通道和空间维度上执行注意力机制，提取得到不同维度的特征图；

基于特征双向融合的思想，采用自适应特征融合方法对不同维度的特征图进行加权融合得到融合的特征图；基于融合的特征图进行特征识别得到道路的病害的分类结果。

本发明的第三个方面提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的基于卷积神经网络的道路病害检测方法中的步骤。

本发明的第四个方面提供一种计算机设备。