[发明专利]基于深度学习和主成因分析的路面裂纹检测方法及装置

摘要

本发明提供一种基于深度学习和主成因分析的路面裂纹检测方法，采集路面图像；将路面图像进行灰度化处理；再将每个路面图像裁剪为W×V个大小为K×K像素的子图像；人工挑选包含裂纹的子图像和不包含裂纹的子图像，分别作为正样本和负样本，共同作为训练卷积神经网络的训练集；建立卷积神经网络，用训练集训练这个卷积神经网络，利用训练好的卷积神经网络对经过预处理的待分析路面图像进行检测，自动提取包含裂纹的子图像；裂纹类型分析：通过对裂纹子图像的分布进行PCA计算，求得特征值和特征向量，判断裂纹种类。本发明利用卷积神经网络，对路面图像进行自动提取裂纹，实现道路裂纹检测和裂纹种类判断，为后续检测道路裂纹类型提供判断依据。

主权项

一种基于深度学习和主成因分析的路面裂纹检测方法，其特征在于：它包括以下步骤：S1、采集路面图像；S2、对路面图像进行预处理：将路面图像进行灰度化处理；再将每个路面图像裁剪为W×V个大小为K×K像素的子图像；S3、建立训练集：人工挑选包含裂纹的子图像和不包含裂纹的子图像，分别作为正样本和负样本，共同作为训练卷积神经网络的训练集；S4、训练卷积神经网络和检测裂纹：建立一个多层结构的卷积神经网络，并用训练集训练这个卷积神经网络，利用训练好的卷积神经网络对经过预处理的待分析路面图像进行检测，自动提取包含裂纹的子图像；S5、裂纹类型分析：通过对裂纹子图像的分布进行PCA计算，求得特征值和特征向量，判断裂纹种类。