[发明专利]基于YOLOX和DeepLabv3 plus的快速路面裂缝提取方法

说明书

本发明公开了一种基于YOLOX和DeepLabv3plus的快速路面裂缝提取方法，包括对采集后的部分路段路面图像进行标注，形成目标检测原始数据集；对YOLOX‑L检测模型进行优化得到检测效果更优的C‑YOLOX模型；将C‑YOLOX检测结果矩形框内的图像进行像素级标注得到分割所用数据集；基于DeepLabv3plus网络模型对其骨干网络进行优化改进得到检测速度更快的mobilenetv3‑DeepLabv3+分割模型。本发明的基于YOLOX和DeepLabv3plus的快速路面裂缝提取方法采用改进后的C‑YOLOX以及MobileNetv3‑DeepLabv3网络，有效的提升了检测任务中的检测精度，并在后续分割任务中大幅提升速度的同时依旧能保持裂缝的风格精度，有效的解决了网络在检测任务中耗时过长的问题。

技术领域

本发明属于路面检测的技术领域，尤其涉及一种基于YOLOX和DeepLabv3 plus的快速路面裂缝提取方法，适用于道路养护和管理领域。

背景技术

近年来，随着中国越来越快的城市化进程，国家增长了在道路建设方面使用的经济数目。公路在交通运输系统中相当于基石的作用，同时公路的养护任务工作量也变得十分庞大，当早期裂缝出现时，如不及时进行干预则会导致路面完整性遭到破坏，出现更加难以修复的路面病害。所以及时的发现与处理将有效的降低交通事故等问题出现的概率，从而保证人身及财产安全。

现有的路面病害检测方法主要分为：

(1)传统人力检测方法，该方法存在检测速度慢，识别精度低，且人力无法满足大规模公路病害的检测任务。

(2)基于物理的检测方法，费时、费力且存在主观因素，因此无法对病害进行客观准确的评价。

(3)基于深度学习的路面裂缝检测方法已成为近年来在病害检测任务中表现较好的检测方式，但依旧存在对于细小裂缝检测精度低以及检测速率较慢等问题。

发明内容

基于以上现有技术的不足，本发明所解决的技术问题在于提供一种基于YOLOX和DeepLabv3 plus的快速路面裂缝提取方法，采用改进后的C-YOLOX以及MobileNetv3-DeepLabv3网络，有效的提升了检测任务中的检测精度，并在后续分割任务中大幅提升速度的同时依旧能保持裂缝的风格精度，有效的解决了网络在检测任务中耗时过长的问题。

为了解决上述技术问题，本发明通过以下技术方案来实现：本发明提供一种基于YOLOX和DeepLabv3 plus的快速路面裂缝提取方法，包括以下步骤：

步骤1：对采集后的部分路段路面图像进行标注，形成目标检测原始数据集；

步骤2：对YOLOX-L检测模型进行优化得到检测效果更优的C-YOLOX模型；

步骤3：将C-YOLOX检测结果矩形框内的图像进行像素级标注得到分割所用数据集；

步骤4：基于DeepLabv3 plus网络模型对其骨干网络进行优化改进得到检测速度更快的mobilenetv3-DeepLabv3+分割模型。

进一步的，所述步骤1具体包括如下步骤：

步骤1.1：获取路面数据的方法是通过车载路面病害检测系统进行路面图像采集的数据作为样本；

步骤1.2：将图面裂缝数据集分为横向裂缝、纵向裂缝、龟网裂缝三类裂缝类型；

步骤1.3：使用可视化的图像标定工具对路面裂缝进行标记；

步骤1.4：划分训练集：验证集：测试集的比例为8:1:1。

进一步的，所述步骤2具体包括如下步骤：