[发明专利]一种路面裂缝检测方法

说明书

本发明揭示了一种路面裂缝检测方法，包括如下步骤：S1、图像获取，获取实际场景中所拍摄的道路图像；S2、图像处理，通过图像处理操作对道路图像进行预处理；S3、模型构建，构建用于进行路面裂缝检测的路面检测模型；S4、路面裂缝检测，将处理后的道路图像输入路面检测模型中，由路面检测模型完成对道路的路面裂缝检测。本发明实现了自动化的路面缺陷检测，使得管理人员或驾驶者能够快速及时地掌握公路的路面信息，也为后续的路面维护提供了切实可靠的参考依据。

技术领域

本发明涉及一种检测方法，具体而言，涉及一种基于深度学习的路面裂缝检测方法，属于人工智能技术领域。

背景技术

随着全世界范围内城市化的发展，市政道路建设逐渐增多，国内外都在研究和探索如何提高道路施工建设的质量和施工完成后对道路的养护方法。

路面裂缝是一种比较常见的现象，为了保证道路的长时间正常使用，就要求市政人员不仅要在道路施工时提高施工质量，而且还需要对路面进行定期的维护和检测。传统的路面检测工作大多需要以人工走查的方式来完成，在进行路面检查的过程中，一名检察员每天只能完成不到10公里的检测，不仅需要耗费大量的时间和精力，而且工作效率低。此外还会引起在城市快速路、主干路和高速公路等交通道路网络的堵塞进而影响人们正常的交通运行，同时还存在着巨大的安全问题。

为了克服这些问题，国内的相关技术人员已经进行了大量的研究，希望能够开发出自动化的道路裂缝检测工具、以减少检查员所需的野外工作。目前许多的研究都集中在对自动化基于图像的路面裂缝检测方法的研究，这使得技术人员可以对先路面进行图像记录，再在室内使用计算机设备来进行道路病害的自动识别。

举例而言，2008年，武大等人研制的ZOYON-RTM采用分辨率较高的线阵CCD作为图像采集设备对路面进行采集，有照明设备可全天检测，对道路裂缝的检测率也相对较高。2017年，大连理工大学赵雪峰等人提出将人工智能与智能手机相结合，利用智能手机和众包模式进行裂缝图片大数据的收集，然后利用人工识别来进行检测。同年，重庆大学袁亚超、张巍等人采用无人机及用于固定到无人机上的智能手机，来采集道路缺陷图像，然后通过反馈的图像信息通过深度学习进行识别。

通过上述对国内路面裂缝检测系统的梳理可以看出，目前的道路裂缝检测系统虽然在一定程度上提高了人工检测的效率，但是也同时存在着一些严重的缺陷。首先，部分系统中所使用到的设备造价昂贵且维护成本大；其次，这些系统的图像处理几乎都采用传统的图像识别算法、即人工提取特征的方式进行推向识别，目前还没有采用深度学习来实现自动化的特征提取；再次，部分系统中所使用到的手持式检测设备难以实际应用，使用过程费时费力、效率低下，而且检查结果主观性较强，判断过程无统一标准、存在较大的风险。

综上所述，如何在现有技术的基础上提出一种全新的路面裂缝检测方法，以克服现有技术中的各种不足，也就成为了本领域内技术人员亟待解决的问题。

发明内容

鉴于现有技术存在上述缺陷，本发明的目的是提出一种基于深度学习的路面裂缝检测方法，具体如下。

一种路面裂缝检测方法，包括如下步骤：

S1、图像获取，获取实际场景中所拍摄的道路图像，并将全部道路图像进行汇总收集；

S2、图像处理，通过图像处理操作对所收集的道路图像进行预处理，得到处理后的道路图像；

S3、模型构建，构建用于进行路面裂缝检测的路面检测模型；

S4、路面裂缝检测，将处理后的道路图像输入路面检测模型中，由路面检测模型完成对道路的路面裂缝检测。

优选地，S2中所述图像处理操作至少包括图像裁剪及图像灰度处理。

优选地，S2所述图像处理，包括如下步骤：