[实用新型]一种基于神经网络的检测沥青道路路面的裂缝的设备

说明书

本实用新型公开了一种基于神经网络的检测沥青道路路面的裂缝的设备，具体涉及计算机视觉领域，包括飞行器、摄像云台、无线传输模块和服务器，摄像云台的输出端与无线传输模块的输入端电性连接，无线传输模块的输出端与服务器的输入端电信号连接，无线传输模块用于将摄像云台采集的沥青道路路面图像信息进行实时传输至服务器，服务器的内部设有卷积神经网络、注意力模块。本实用新型通过深度卷积神经网络提取特征，将人工神经网络和深度学习技术相结合，具有结构层次、特征抽取和分类结合的全局训练特征，利用权值共享的技术，减少了网络中的参数，克服神经网络中的计算量大等问题，具有泛化能力强，识别效率高的特点。

技术领域

本实用新型涉及计算机视觉技术领域，更具体地说，本实用新型具体为一种基于神经网络的检测沥青道路路面的裂缝的设备。

背景技术

视觉系统是人类感知世界的重要途径，也是人类对自身研究认识最深刻的部分，研究表明80％的外界信息时通过人类视觉系统传递给大脑。在实际生活中，人们能够非常轻松的通过视觉系统达到感知世界的目的。虽然，人类视觉系统功能非常强大，但是发展能够模拟人类视觉系统的计算机视觉仍然十分必要。当前，计算机视觉技术越来越受到学者们的关注，并且取得了丰富的成果，但是，距离像人类视觉一样感知外界信息的目标还很遥远。目标检测是计算机视觉一个重要的研究方向，某些技术已经成功应用在我们的实际生活中，例如人脸识别、行人检测等应用。随着社会逐步进入智能化和信息化时代，对场景目标进行分割识别在未来的生活中将会扮演越来越重要的角色。

传统的目标检测一般分为三个阶段：首先在给定的图像上选择一些候选的区域，然后对这些区域提取特征，最后使用训练的分类器进行分类。对于传统目标检测任务主要存在两个问题：一个是基于滑动窗口的区域选择策略没有针对性，时间复杂度高，窗口冗余；二是手工设计的特征对于多样性的变化并没有很好的鲁棒性。基于RegionProposal的深度学习目标检测算法，能够很好的解决这两个问题，regionproposal是预先找出图中目标可能出现的位置，regionproposal利用了图像中的纹理、边缘、颜色等信息，可以保证在选取较少窗口的情况下保持较高的召回率，这大大降低了后续操作的时间复杂度，并且获取的候选窗口要比滑动窗口的质量更高。

传统检测沥青道路路面的裂缝大部分采用人员实地考察或通过群众反应，进行信息数据获取，具有延时性，大量的实地考察其运营成本巨额，另外新型的卫星遥感图像识别虽相较于实地考察的方式更为简单易行，但识别效率过低，精确度也远远达不到监测标准。

因此亟需提供一种基于神经网络的检测沥青道路路面的裂缝的设备。

实用新型内容

为了克服现有技术的上述缺陷，本实用新型的实施例提供一种基于神经网络的检测沥青道路路面的裂缝的设备，通过深度卷积神经网络提取特征，将人工神经网络和深度学习技术相结合，具有结构层次、特征抽取和分类结合的全局训练特征，利用权值共享的技术，减少了网络中的参数，克服神经网络中的计算量大等问题，具有泛化能力强，识别效率高的特点；另外，本实用新型通过注意力机制的过滤，在给定一个特征图的情况下，沿着通道和空间两个单独的维度依次生成注意力映射，然后将注意图乘到输入特征图中进行自适应特征细化，更加细化了卷积网络提取的特征，进一步提高了模型的识别精度，以解决上述背景技术中提出的问题。

为实现上述目的，本实用新型提供如下技术方案：一种基于神经网络的检测沥青道路路面的裂缝的设备，包括飞行器、摄像云台、无线传输模块和服务器，所述飞行器用于携带摄像云台进行高空侦查拍摄采集沥青道路路面图像信息，所述摄像云台的输出端与无线传输模块的输入端电性连接，所述无线传输模块的输出端与服务器的输入端电信号连接，所述无线传输模块用于将摄像云台采集的沥青道路路面图像信息进行实时传输至服务器，所述服务器的内部设有卷积神经网络、注意力模块，所述服务器用于对摄像云台采集的沥青道路路面图像信息进行存储和根据卷积神经网络、注意力模块算法进行图像识别并生成检测信息。