[发明专利]一种路面裂缝检测方法、系统及存储介质

权利要求书

1.一种路面裂缝检测方法，其特征在于，包括以下步骤：

控制无人机沿规划路径飞行并获取路面图像；

使所述路面图像经过级联的多个多重卷积模块提取图像特征并输出多个多尺度特征图，其中，所述多尺度特征图包含所述图像特征，所述多重卷积模块与所述多尺度特征图一一对应，所述多重卷积模块包括n个卷积层，第a个所述卷积层的输入为前(a-1)个所述卷积层的输出；

将所有所述多尺度特征图融合得到融合特征图；

根据所述融合特征图得到判断结果，其中，所述判断结果用于表示所述路面图像对应的路面是否存在裂缝。

2.根据权利要求1所述的一种路面裂缝检测方法，其特征在于，所述路面图像包括坐标信息，所述路面裂缝检测方法还包括以下步骤：

当所述判断结果表示所述路面图像对应的路面存在裂缝，输出所述路面图像及对应的所述坐标信息。

3.根据权利要求1所述的一种路面裂缝检测方法，其特征在于，还包括以下步骤：

根据多个所述多尺度特征图获取多个第一损失函数，其中，所述第一损失函数与所述多尺度特征图一一对应；

根据所述融合特征图获取第二损失函数；

根据所述多个第一损失函数和所述第二损失函数得到总损失函数，其中总损失函数用于平衡所述路面图像中的裂缝像素和非裂缝像素对损耗的贡献。

4.根据权利要求1所述的一种路面裂缝检测方法，其特征在于，在所述将所有所述多尺度特征图融合得到融合特征图的步骤之前，还包括以下步骤：

将所有所述多尺度特征图统一尺寸。

5.一种路面裂缝检测系统，其特征在于，包括：

无人机，所述无人机用于沿规划路径获取路面图像；

处理器，所述处理器与所述无人机通信连接，所述处理器设有深度学习网络，所述深度学习网络包括：

第一特征提取模块，所述第一特征提取模块包括级联的多个多重卷积模块，所述多重卷积模块包括n个卷积层，第a个所述卷积层的输入端与前(a-1)个所述卷积层的输出端连接，所述第一特征提取模块用于根据所述路面图像提取图像特征并输出n个多尺度特征图，其中，所述多尺度特征图包含所述图像特征，所述多重卷积模块与所述多尺度特征图一一对应；

特征融合模块，所述特征融合模块用于将所有所述多尺度特征图融合得到融合特征图；

预测模块，所述预测模块用于根据所述融合特征图得到所述判断结果，其中，所述判断结果用于表示所述路面图像对应的路面是否存在裂缝。

6.根据权利要求5所述的一种路面裂缝检测系统，其特征在于，所述路面图像包括坐标信息，所述深度学习网络还包括输出模块，所述输出模块响应于表示所述路面图像对应的路面存在裂缝的所述判断结果，输出所述路面图像及对应的所述坐标信息。

7.根据权利要求5所述的一种路面裂缝检测系统，其特征在于，所述深度学习网络还包括：

第一损失函数计算模块，用于根据多个所述多尺度特征图获取多个第一损失函数，其中，所述第一损失函数与所述多尺度特征图一一对应；

第二损失函数计算模块，用于根据所述融合特征图获取第二损失函数；

总损失函数计算模块，根据所述多个第一损失函数和所述第二损失函数得到总损失函数，其中总损失函数用于平衡所述路面图像中的裂缝像素和非裂缝像素对损耗的贡献。

8.根据权利要求5所述的一种路面裂缝检测系统，其特征在于，所述深度学习网络还包括尺寸调整模块，所述尺寸调整模块用于将所有所述多尺度特征图统一尺寸。

9.根据权利要求5所述的一种路面裂缝检测系统，其特征在于，相连的两个所述多重卷积模块之间设有转换模块，所述转换模块用于压缩从前一个所述多重卷积模块所提取的所述图像特征以减少冗余特征。

10.存储介质，其特征在于，存储有能被处理器执行的指令，所述指令被处理器执行以实现如权利要求1至4任一项所述的路面裂缝检测方法。