[发明专利]基于Faster R-CNN的道路裂纹检测系统

说明书

本申请公开了一种基于Faster R‑CNN的道路裂纹检测系统，属于图像处理技术领域。其包括：监控采样设备、与监控采样设备建立有通信连接的检测计算机子系统；监控采样设备，用于使用预设检测方式对待检测目标物进行检测，得到待检测目标物的图像数据，图像数据中包括待检测目标物上的若干个实际检测点；基于通信连接将图像数据发送至检测计算机子系统；检测计算机子系统，用于在接收到图像数据后，获取预先训练的验证识别逻辑模型，将图像数据输入验证识别逻辑模型，对裂纹检测识别。可以提高道路裂纹识别的效率。

技术领域

本申请属于图像处理技术领域，具体涉及基于Faster R-CNN的道路裂纹检测系统。

背景技术

道路在长时间的使用后，路面难免会发生形变，导致出现裂纹和坑洞，对车辆和行人构成威胁，因此，国家和地方交通管理维护部门有必要对道路裂纹进行定期检测，以保证交通安全运行。

传统的道路裂纹检测，包括：包括使用全站仪和应力应变片检测道路中的变形区域。

然而，使用全站仪和应力应变片检测道路中的变形区域，识别准确度较低、普适性差且自动化程度低等缺点，存在道路裂纹检测效率和准确率较低的问题。

发明内容

本申请提供了基于Faster R-CNN的道路裂纹检测系统，可以解决道路裂纹检测效率和准确率较低的问题。

本申请提供如下技术方案：

第一方面，提供了一种基于Faster R-CNN的道路裂纹检测系统，包括：监控采样设备、与所述监控采样设备建立有通信连接的检测计算机子系统；

所述监控采样设备，用于使用预设检测方式对待检测目标物进行检测，得到所述待检测目标物的图像数据，所述图像数据中包括所述待检测目标物上的若干个实际检测点；基于所述通信连接将所述图像数据发送至所述检测计算机子系统；其中，所述预设检测方式包括单应性矩阵法和/或棋盘标定法；

所述检测计算机子系统，用于在接收到所述图像数据后，获取预先训练的验证识别逻辑模型，将所述图像数据输入所述验证识别逻辑模型，对裂纹检测识别；其中，所述验证识别逻辑模型包括Faster R-CNN子模型、BP神经网络子模型和LSTM神经网络子模型，所述BP神经网络子模型与所述LSTM神经网络子模型并联，并分别与所述Faster R-CNN子模型连接。

可选地，所述将所述图像数据输入所述验证识别逻辑模型，对裂纹检测识别，包括：通过所述Faster R-CNN子模型对所述图像数据进行裂纹检测，得到裂纹特征；将所述裂纹特征分别输入所述LSTM神经网络子模型和所述BP神经网络子模型，验证所述裂纹检测的精度和准确度。

可选地，所述通过所述Faster R-CNN子模型对所述图像数据进行裂纹检测，得到裂纹特征，包括：识别所述若干个实际检测点在所述图像数据中的位置；对所述若干个实际检测点进行语义分割处理，得到所述若干个实际检测点对应的若干个检测点像素；对各检测点像素采用双线性内插法进行亚像素处理，得到各检测点像素值。

可选地，所述将所述图像数据输入所述验证识别逻辑模型，对裂纹检测识别，还包括：基于所述各检测点像素值，得到所述若干个检测点在所述待检测目标物上的实际坐标值；将所述实际坐标值与所述待检测目标物的实际检测点进行比对，得到所述待检测目标物在实际检测点坐标系中的坐标。

可选地，所述使用预设检测方式对待检测目标物进行检测，得到所述待检测目标物的图像数据之前，还包括：在所述待检测目标物上设置所述若干个实际检测点；在所述待检测目标物对应的图纸上，设置若干个与所述若干个实际检测点一一对应的所述虚拟检测点；对所述实际检测点和所述标虚拟检测点进行位置匹配验证，以使所述实际检测点与所述虚拟检测点的位置坐标和大小尺寸一致。