[发明专利]路面裂缝检测方法、装置、电子设备及存储介质

权利要求书

1.一种路面裂缝检测方法，其特征在于，包括：

采集道路的路面图像；

对所述路面图像进行预处理，得到分辨率梯度变化的多个输入图像；

将所述多个输入图像输入预先训练的路面裂缝检测模型，得到计算结果；其中，所述路面裂缝检测模型是基于样本路面图像和所述样本路面图像的裂缝标记数据训练得到的，所述路面裂缝检测模型包括多个阶段，每个阶段间进行多次多尺度融合；

根据所述路面裂缝检测模型的计算结果，输出检测结果。

2.根据权利要求1所述的路面裂缝检测方法，其特征在于，对所述路面图像进行预处理，得到分辨率梯度变化的多个输入图像，包括：

降低所述路面图像的分辨率，生成分辨率梯度变化的多个输入图像。

3.根据权利要求2所述的路面裂缝检测方法，其特征在于，将所述多个输入图像输入预先训练的路面裂缝检测模型，包括：

将所述分辨率梯度变化的多个输入图像分别输入所述路面裂缝检测模型的多个阶段，其中每个阶段的输入图像的分辨率比下一阶段的输入图像的分辨率高。

4.根据权利要求1所述的路面裂缝检测方法，其特征在于，根据所述路面裂缝检测模型的计算结果，输出检测结果，包括：

将所述路面图像分为多个大小相等的图像块；

根据所述路面裂缝检测模型的输出阶段的计算结果，判断每个图像块中是否存在裂缝；

对存在裂缝的图像块进行标注，以得到检测结果。

5.根据权利要求1-4任一项所述的路面裂缝检测方法，其特征在于，方法还包括：

获取样本路面图像；

将所述样本路面图像分为大小相等的多个图像块，对每个图像块进行多任务标记，得到所述样本路面图像的裂缝标记数据；

获取待训练的神经网络模型的初始参数；

输入所述样本路面图像作为训练图像，输入所述样本路面图像的裂缝标记数据作为标签，采用深层监督的方式对所述神经网络模型进行训练，得到所述路面裂缝检测模型。

6.根据权利要求5所述的路面裂缝检测方法，其特征在于，对每个图像块进行多任务标记，得到所述样本路面图像的裂缝标记数据，包括：

标记图像块中是否包含裂缝；

当所述图像块中包含裂缝时，标记所述图像块中裂缝的裂缝类型，以及

标记与所述图像块相邻的八个图像块中是否包含裂缝。

7.根据权利要求5所述的路面裂缝检测方法，其特征在于，输入所述样本路面图像作为训练图像，包括：

根据所述神经网络模型的各个阶段所需，将所述样本路面图像处理成不同分辨率的训练图像，并输入各个对应的阶段。

8.一种路面裂缝检测装置，其特征在于，包括：

采集模块，用于采集道路的路面图像；

图像预处理模块，用于对所述路面图像进行预处理，得到分辨率梯度变化的多个输入图像；

检测模型处理模块，用于将所述多个输入图像输入预先训练的路面裂缝检测模型，得到计算结果；其中，所述路面裂缝检测模型是基于样本路面图像和所述样本路面图像的裂缝标记数据训练得到的，所述路面裂缝检测模型包括多个阶段，每个阶段间进行多次多尺度融合；

检测结果输出模块，用于根据所述路面裂缝检测模型的计算结果，输出检测结果。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述路面裂缝检测方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述路面裂缝检测方法的步骤。