[发明专利]道路表面裂纹检测方法

权利要求书

1.一种道路表面裂纹检测方法，其特征在于，包括：

步骤S1，创建包含含有裂纹的路面图片与没有裂纹的路面图片的路面图像库；

步骤S2，将所述路面图像库中的含有裂纹的图片标定为b文件夹，并将所述路面图像库中的没有裂纹的路面图片标定为a文件夹，将标定完成的含有裂纹的图片和没有裂纹的路面图片的统一为预设尺寸；

步骤S3，建立卷积神经网络；

步骤S4，生成卷积神经网络的特征映射的特征提取器；

步骤S5，基于标定完成并统一为预设尺寸的含有裂纹的图片和没有裂纹的路面图片，制作训练集、验证集和测试集；

步骤S6，将所述训练集中的图片输入所述卷积神经网络，得到第一输出结果，基于所述输出结果和验证集中的图片对所述卷积神经网络的参数进行迭代调整，以得到目标卷积神经网络；

步骤S7，将所述测试集中的图片输入所述目标卷积神经网络，得到第二输出结果；

步骤S3，建立卷积神经网络，包括：

使用residual模块作为基本的网络单元，输入的图片的尺寸为3×512×512下路在进行降采样的同时，分出上半路保留原尺度信息，在经过下采样之后，经过三个Residual模块提取特征，下半路再经过上采样处理，与上半路保留原尺度特征的支路进行叠加，再经过一个全连接模块使得输出特征图的尺寸与输入特征图的尺寸完全一样。

2.如权利要求1所述的道路表面裂纹检测方法，其特征在于，步骤S5，基于标定完成并统一为预设尺寸的含有裂纹的图片和没有裂纹的路面图片，制作训练集、验证集和测试集，包括：

采用交叉验证的方法，制作训练集、验证集和测试集。

3.如权利要求2所述的道路表面裂纹检测方法，其特征在于，采用交叉验证的方法，制作训练集、验证集和测试集，包括：

按照60％/20％/20％的比例将标定完成并统一为预设尺寸的含有裂纹的图片和没有裂纹的路面图片分为训练集、验证集和测试集。

4.如权利要求1所述的道路表面裂纹检测方法，其特征在于，基于标定完成并统一为预设尺寸的含有裂纹的图片和没有裂纹的路面图片，制作训练集、验证集和测试集，包括：

将标定完成并统一为预设尺寸的含有裂纹的图片和没有裂纹的路面图片作为原图，对原图进行裁剪，剪原图四个角和中心区域，并缩放到与原图一样的大小；

将原图所有像素点进行指数变换，以使图像整体变暗；

对原图进行左右翻转和上下翻转；

用3×3的核对原图进行高斯模糊；

对原图添加高斯噪声，以得到训练集、验证集和测试集。

5.如权利要求1所述的道路表面裂纹检测方法，其特征在于，生成卷积神经网络的特征映射的特征提取器，包括：

卷积神经网络从输入的图像中提取图像块并把每一个图像块表示成高维向量，这些向量组成第一层的特征映射图，设这一层的操作为F₁，输入图像为Y，则该层操作运算表示为：

其中，W₁为滤波器，W₁的大小为c×f1×f1×n1，c为图像的通道数，f1为滤波器的大小，n1为滤波器的数量，B1为偏差，“*”表示卷积操作，a服从均匀分布a～U(1，u)，这个卷积层的含义为运用大小为c×f1×f1×n1的滤波器W₁作用在输入的低分辨率图像上，对输入的低分辨率图像进行特征提取，得到n1维特征映射图；

非线性映射则是通过卷积神经网络将第一层的n1维向量映射到第二层的n2维向量中，得到n2维特征映射图，设这一层的操作为F₂，输入图像为F₁(Y)，则该层操作运算表示为：

其中，W₂的大小为n1×f1×f1×n2，c为图像的通道数，B2为n2维的偏差，这个卷积层的含义为运用大小为n1×f1×f1×n2的滤波器W₂作用在第一层的特征映射图上，进行非线性映射，得到n2维特征映射图。