[发明专利]一种基于卷积神经网络的道路裂缝自动检测方法

摘要

本发明涉及图像识别与深度学习技术领域，更具体地，涉及一种基于卷积神经网络的道路裂缝自动检测方法。本发明基于轻量级的卷积神经网络，仅需对数据进行手动标注，根据检测衡量标准精确的和召回率来筛选并保持网络权重，在进行检测时，对图片进行(平方)压缩后，再切分成27*27大小进行检测，根据初步检测的结果对相应的裂缝区域进行多次旋转变换后再检测，更新检测结果，得到每一帧中裂缝的位置标出并响铃提示。本发明的模型是轻量级的，具有很高的召回率和精确度，可用于实时的裂缝检测，对于检测到的裂缝我们会记录其位置信息并标出，同时可以响铃警示工作人员，比以上提出的发明更具有实用性。

主权项

1.一种基于卷积神经网络的道路裂缝自动检测方法，其特征在于，包括以下步骤：/nS1.采集含有裂缝的图片数据，使用图像处理软件对图片进行像素级别的标注；/nS2.从原始图片中提取出w*h大小的小图片，利用统计的方法，根据小图片中裂缝像素的总数来划分正负样本并根据一定比例划分为训练集和测试集，对训练集的正样本进行旋转，翻转操作，增加训练集数据的多样性；/nS3.采用迁移学习的思想，边训练边测试，取在测试集中准确率和召回率综合最好的网络权重进行保存，得到一个二分类器；/nS4.使用摄像头获取路面的图像，将输入的每一帧图片进行4x4像素邻域内的双立方插值，将像素改变为W*H；/nS5.将图片等分为w*h大小的检测单元并记录其位置信息，利用步骤S3训练出来的二分类器对每一个检测单元分类，输出该单元是否为裂缝单元；/nS6.对检测为裂缝的区域分别进行多个角度的旋转，得到多个新的样本，再次进行检测，若有两个以上被分类为裂缝，则确信其为裂缝，否则更新其为非裂缝；/nS7.根据步骤S6优化后的裂缝结果，标出裂缝单元在原图片的位置，如有裂缝单元，则给出提示。/n