[发明专利]一种基于车载边缘设备的轻量化路面病害巡检方法

权利要求书

1.一种基于车载边缘设备的轻量化路面病害巡检方法，其特征在于：包括：

连续获取设定范围内的ROI区域图像，建立路面图像样本集；

引入优化后的backbone neck head检测网络结构进而构建轻量级推理引擎，以降低车载边缘设备端的计算资源；

基于轻量级推理引擎对输入的ROI区域图像进行预处理，得到表征当前路面图像中病害边界数据所在检测框的结果数据流；

解析所述结果数据流生成对病害边界数据进行病害分类的预测值数据后，上传至云服务器，结束巡检。

2.根据权利要求1所述的一种基于车载边缘设备的轻量化路面病害巡检方法，其特征在于：连续获取设定范围内的ROI区域图像包括如下步骤：

搭载图像采集设备，定距离发送触发抓拍信号；

基于所述触发抓拍信号，在其固定抓拍距离下，获取相邻抓拍图像存在的重复区域；

根据获取的重复区域设定所述图像采集设备抓拍ROI区域，进而只生成设定范围内的ROI区域图像。

3.根据权利要求1所述的一种基于车载边缘设备的轻量化路面病害巡检方法，其特征在于：构建轻量级推理引擎的方法包括：

优化backbone neck head检测网络结构，其中，

所述backbone neck head检测网络结构包括输入、EfficientNet、BiFPN和GFLHead；

Backbone结构是特征提取网络，利用改进后的EfficientNet替换其原有的骨干网络，用于提取路面图像特征信息；

BiFPN用于融合多尺度特征，将backbone上的多个层级的特征图进行融合加工，增强网络的表达能力；

GFLHead结构分别输出ROI区域图像的类别概率和边界框位置信息，具体实施方式包括：

首先，对当前ROI区域图像中病害边界数据进行分布建模，等间隔分成n份；

其次，通过计算n份分布的数学期望，获得ROI区域图像的预测检测框坐标；

再次，将分布的前k个检测框坐标与实际框坐标之间进行IOU迭代计算，获取IOU值最接近1的模型作为优化后的模型，将此时的IOU值作为病害边界数据分类的预测值，以获得更准确的定位与分类结果；

最后，输出ROI区域图像中病害边界数据类别概率和检测到的边界框位置信息。

4.根据权利要求1或3所述的一种基于车载边缘设备的轻量化路面病害巡检方法，其特征在于：构建轻量级推理引擎的方法还包括：

对构建好的轻量级推理引擎的模型结构进行量化，以加快车载边缘设备端的运算速度，具体量化方法为：

选取若干个模型结构参数构建量化公式：

式中，X_q表示为量化之后的int8参数值、X_f表示量化之前的float32参数值；Z表示float32类型0值对应的量化后值；S表示量化后可表示的最小刻度，其中，

依据公式

求取S和Z的值。

5.根据权利要求1所述的一种基于车载边缘设备的轻量化路面病害巡检方法，其特征在于：轻量级推理引擎采用异步推理方式完成对输入的ROI区域图像的预处理，以节约车载边缘设备端的计算资源，其中，所述异步推理的方法包括：

首先，基于轻量级推理引擎设置图像预处理缓存池；

其次，将获取的ROI区域图像经深度学习模型预处理后暂时缓存；

再次，将轻量级推理引擎缓存中的多张ROI区域图像组成一个批次的图像流；

最后，输入当前批次的图像流至轻量级推理引擎进行推理。

6.根据权利要求5所述的一种基于车载边缘设备的轻量化路面病害巡检方法，其特征在于：轻量级推理引擎对当前批次的图像流进行推理前，还需要对其进行解析，以将图像流中的不同ROI区域图像的推理结果分开，最终生成表征当前ROI区域图像的结构化数据，其中，所述结构化数据包括当前ROI区域图像的图像名称、病害信息、检测时间、检测位置信息。