一种道路巡查中道路损伤自动检测预警的方法与流程

技术特征：
1.一种道路巡查中的道路损伤自动检测预警方法，其特征在于：包括如下步骤：s1、获取路面实时巡查视频流：通过摄像设备采集路面视频，然后将视频流实时传输至数据处理服务器；s2、对视频流进行解码，获得图像帧；s3、对图像中的路面损伤进行检测：将图像帧输入训练好的端对端深度神经网络模型中，获得路面损伤区域和损伤类别；s4、在s3中获得的路面损伤区域中提取损伤特征，包括损伤长度、损伤宽度、损伤面积、最小外接凸多边形或凸包面积，边缘灰度差等；s5、根据在s3中获得的不同的损伤类别获取其损伤权重以及损伤特征权重；s6、根据s4的损伤特征和s5的损伤权重以及损伤特征权重，进行加权求和计算出路面损伤值，通过损伤程度映射函数将路面损伤值投影到损伤评价空间，结合损伤类别发出预警。2.根据权利要求1所述的道路巡查中的道路损伤自动检测预警方法，其特征在于：s3中所述的端对端深度神经网络模型为改进的yolov5，该模型通过使用大量手动标注各种道路损伤的图像数据训练得到，能够实现端对端的快速精准的检测出道路路面的各种损伤。3.根据权利要求1所述的道路巡查中的道路损伤自动检测预警方法，其特征在于：s4中所述的损伤特征提取方法包括：首先对截取的损伤区域图像进行滤波去除噪声，对去噪后的图像灰度化处理，使用canny算子对图像进行轮廓提取：提取轮廓的最小外接矩形，计算其长和宽作为道路损伤的长和宽；b）计算轮廓内包含的像素点个数作为道路损伤的面积；c）提取轮廓的最小外接凸多边形或凸包，并计算其面积为凸包面积；d）计算轮廓边缘与轮廓内部灰度差的绝对值的最大值作为边缘灰度差：记损伤特征矩阵为。4.根据权利要求1所述的道路巡查中的道路损伤自动检测预警方法，其特征在于：s5中所述根据不同种类的损伤对道路的损害程度不同，其损害程度受不同的损伤特征影响也不同，通过大量数据拟合得到损伤权重矩阵，其中分别为损伤类别权重、长度权重、宽度权重、面积权重、凸包面积权重、边缘灰度差权重，由此损伤特征权重。5.根据权利要求3或4所述的道路巡查中的道路损伤自动检测预警方法，其特征在于：s6中所述的路面损伤值的求法，其中，通过获得的损伤特征矩阵、损伤特征权重、损伤类型权重,可计算损伤值：。6.根据权利要求1所述的道路巡查中的道路损伤自动检测预警方法，其特征在于：s6中所述的使用损伤程度映射矩阵将路面损伤值投影到损伤评价空间或预警空间，该损伤程度映射函数为分段函数，其中为固定阈值：
。

技术总结
本发明提供了一种道路巡查中道路损伤自动检测及预警的方法，通过获取图像后可分为三步：首先，将图像其输入到预先训练好的深度神经网络模型中，端对端的检测出路面损伤的类别和区域；第二步，截取路面损伤区域，提取损伤特征，根据不同的损伤类别计算损伤特征权重；第三步，根据第二步中提取的路面损伤特征和损伤特征权重计算损伤程度值，并通过映射矩阵将其映射到损伤评价空间。本发明相较于传统的使用精密的传感器进行道路损伤检测的方法，本方法只需要一个普通的摄像头即可满足设备需求，极大的降低了成本，并且本方法采用端对端的深度神经网络和提取损伤程度特征，能更加精确地获取道路损伤信息，给使用者提供了更精准的预警信息。信息。信息。


技术研发人员：熊信信 刘耀祖 秦浩 吴健睿
受保护的技术使用者：南昌市微轲联信息技术有限公司
技术研发日：2021.07.06
技术公布日：2021/10/23