[发明专利]一种基于智能终端的裂缝检测方法有效
| 申请号： | 201811653343.2 | 申请日： | 2018-12-28 |
| 公开（公告）号： | CN109816636B | 公开（公告）日： | 2020-11-27 |
| 发明（设计）人： | 范衠;伍宇明;李冲;史新宝;朱贵杰 | 申请（专利权）人： | 汕头大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 周增元;曹江 |
| 地址： | 515000 *** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种基于智能终端的裂缝检测方法，所述方法包括：创建基于深度学习的道路裂缝图像的训练集和验证集；利用训练集和验证集训练深度神经网络大模型；将训练好的深度神经网络大模型利用蒸馏方法指导新建的深度神经网络小模型进行训练，得到深度神经网络小模型的输出结果；对深度神经网络小模型进行剪枝，得到剪枝后的深度神经网络模型；利用TensorFlow Lite将剪枝后的深度神经网络模型迁移到智能终端上；将智能终端中的道路裂缝图像导入到剪枝后的深度神经网络模型中进行检测，并输出裂缝图像。本发明方法可准确地自动对裂缝进行检测，具有检测过程简单，检测效率高，劳动强度低，便于携带，可操作性强等优点。 | ||
| 搜索关键词： | 一种 基于 智能 终端 裂缝 检测 方法 | ||
【主权项】：
1.一种基于智能终端的裂缝检测方法，其特征在于，所述方法具体包括以下步骤：S1、创建基于深度学习的道路裂缝图像的训练集和验证集；S2、利用训练集和验证集训练深度神经网络大模型；S3、将训练好的深度神经网络大模型利用蒸馏方法指导新建的深度神经网络小模型进行训练，得到深度神经网络小模型的输出结果；S4、对深度神经网络小模型进行剪枝，得到剪枝后的深度神经网络模型；S5、利用TensorFlow Lite将剪枝后的深度神经网络模型迁移到智能终端上；S6、将智能终端中的道路裂缝图像导入到剪枝后的深度神经网络模型中进行检测，并输出裂缝图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于汕头大学，未经汕头大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811653343.2/，转载请声明来源钻瓜专利网。
