[发明专利]路面裂缝检测方法、装置、电子设备及存储介质

说明书

本发明实施例提供一种路面裂缝检测方法、装置、电子设备及介质；该方法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。本发明实施例通过输入分辨率梯度变化的多个输入图像，使用具有多尺度融合结构的路面裂缝检测模型，实现了对复杂情况下的路面裂缝检测，减弱了噪声影响，提高了检测精度。

技术领域

本发明涉及于交通路面图像检测技术领域，尤其涉及一种路面裂缝检测方法、装置、电子设备及存储介质。

背景技术

路面裂缝是道路路面病害的主要形式之一。早期产生的裂缝不会影响路面的使用，但是随着雨水的侵入以及外力的作用，可能导致路面的结构性破坏，对行车安全造成威胁。路面裂缝的检测和修复是道路养护的重要内容。

随着人工智能的发展和普及，基于深度学习的相关检测方法也逐渐使用在路面裂缝检测任务上，深度学习不需要人工设计特征提取器,能够自动根据原始图像特征进行抽象表达，确定特定像素是否是裂缝的一部分。

然而现有的方法存在以下问题：仅关注裂缝的局部特征，容易受噪声影响；未考虑裂缝的空间关系以及连接性特征，检测结果不连续或有孤立点；检测任务单一，且未考虑裂缝的粗细情况，对于复杂情况下的裂缝检测不准确。

发明内容

针对现有技术中的问题，本发明实施例提供一种路面裂缝检测方法、装置、电子设备及介质。

本发明第一方面实施例提供一种路面裂缝检测方法，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。

上述技术方案中，对所述路面图像进行预处理，得到多个输入图像，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。

上述技术方案中，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预先训练的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。

上述技术方案中，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。

上述技术方案中，方法还包括：

获取所述样本路面图像；

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。