[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

说明书

本发明提供一种基于车载边缘设备的轻量化路面病害巡检方法包括连续获取设定范围内的ROI区域图像；引入优化后的网络结构进而构建轻量级推理引擎；基于轻量级推理引擎对输入的ROI区域图像进行预处理；解析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。本发明通过提出轻量化巡检整体设计思路，区别于现有技术，本发明采用更加轻量化的车载边缘硬件设备，并且配套硬件的完整方案设计，能够最大程度的发挥轻量化设备的性能，真正实现路面病害巡检轻量化。

技术领域

本发明涉及路面病害监测技术领域，具体为一种基于车载边缘设备的轻量化路面病害巡检方法。

背景技术

为了加快公路养护管理长效机制，提升公路养护管理水平，在国家各级部门的支持下，自动检测装备与人工智能等技术在公路养护中的应用比例，检测精准度正在不断提升。在路面病害巡检中，智能路面病害检测装备主要装配在车辆上，在行驶的过程中采集公路路面数据，根据采集的数据检测并识别路面病害的位置与类型。

然而目前投入使用的智能检测装备设备成本及复杂度高，如激光设备等，无法随时拆卸，且多数解决方案是以检测设备安装到大型车辆上集成为检测车，这种车辆体积较大，在部分低等级公路上通过性差，不能胜任所有的检测任务，所以智能病害检测的轻量化极为重要。另外路面病害巡检日常产生的数据量极大，其中含有病害的数据占比很低，全量保存数据对存储设备容量要求高，既不经济也无法满足轻量化需求。

现有方案主要步骤是通过轻量化的车载图像采集设备来获取路面图片数据，基于上述图片，使用者目标检测算法或循环神经网络算法进行路面病害的检测识别，全部检测结果存储在本地硬盘中。

但是，现有的轻量化技术方案主要注重硬件设备体积的轻量化，并未在巡检识别算法上进行针对性的轻量化优化，由于目前对路面病害的检测识别的计算设备算力要求和数据存储空间较高，因此，现有的轻量化技术方案中图像采集、算法推理、结果分析各流程节点间相互分割整体集成度低，极大的限制了设备的轻量化程度。

发明内容

针对现有技术存在的不足，本发明目的是提供一种基于车载边缘设备的轻量化路面病害巡检方法，通过提出基于病害检测的实际场景，进行针对性的模型结构设计，在保证检测精度的情况下，降低模型复杂度；同时通过使用模型量化技术，加速算法在车端芯片上的运行速度的方式，使得本发明降低其资源占用，从而更快的获取病害巡检结果。以解决上述背景技术中提出的问题。

为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于车载边缘设备的轻量化路面病害巡检方法，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。

作为本发明的第二方面，提出了一种基于车载边缘设备的轻量化路面病害巡检系统，包括

图像采集模块，用于连续获取设定范围内的ROI区域图像，建立路面图像样本集；

车载边缘设备端处理模块，用于通过优化网络构建轻量级推理引擎，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；

目标检测模块，用于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。

作为本发明的第三方面，提出了一种基于车载边缘设备的轻量化路面病害巡检装置，

包括处理器及存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行基于车载边缘设备的轻量化路面病害巡检方法。