一种载体寄生式公路损坏智能巡查方法与流程

技术特征：
1.一种载体寄生式公路损坏智能巡查方法，其特征在于，包括以下步骤：1)不同平台的移动端设备设计不同语言的终端接口，将智能识别算法通过接口跨平台部署在多种智能终端设备中，终端设备寄生在现有公交车辆或清扫车辆上，车载识别终端与云端监控平台均装载智能识别算法；2)智能识别算法通过移动端摄像头采集待检测道路视频流，解码并获得道路图像帧；3)将图像实时输入到目标检测模型中，进行特征提取并检测出图像中的道路损坏，获得道路损坏类别和损坏区域；4)将损坏检测结果实时输入到目标跟踪模型中，识别不同图像帧中的同一个目标，获取视频流中各类别损坏数量，并统计损坏数据；5)通过终端通信模块将识别信息实时上传；6)跨平台轻量化智能识别算法。2.根据权利要求1所述的载体寄生式公路损坏智能巡查方法，其特征在于，在步骤1)中，所述智能识别算法的部署方式为载体寄生式，模型与智能设备中既有功能复用设备硬件资源，多种智能终端设备包括但不限于智能手机、车载智能视频监控设备和智能无人机。3.根据权利要求1所述的载体寄生式公路损坏智能巡查方法，其特征在于，在步骤3)中，所述目标检测模型为轻量化神经网络模型。4.根据权利要求1所述的载体寄生式公路损坏智能巡查方法，其特征在于，在步骤4)中，所述目标检测模型通过道路损坏数据集训练得到，所述道路损坏数据集通过车载终端摄像头采集道路数据并标注，结合global road damage detection challenge比赛所提供的公共数据集，共同组成；所述道路损坏数据集格式与yolo数据集格式一致；所述道路损坏数据集中损坏类别包括横向裂缝、纵向裂缝、龟裂和坑洼四类；所述道路损坏数据集中的80％数据作为训练集，20％数据作为测试集，用于训练和测试目标检测模型。5.根据权利要求1所述的载体寄生式公路损坏智能巡查方法，其特征在于，在步骤4)中，所述目标跟踪模型为轻量化卷积神经网络模型，所述神经网络模型对不同图像帧中的同一目标赋予同一个编号。6.根据权利要求1所述的载体寄生式公路损坏智能巡查方法，其特征在于，在步骤5)，所述识别信息包括各类损坏统计数据、损坏类别、损坏的定位信息和设备编号，所述损坏的定位信息通过移动端的北斗定位系统获得。7.根据权利要求1所述的载体寄生式公路损坏智能巡查方法，其特征在于，在步骤6)，所述跨平台轻量化模型方法采用深度可分离卷积、模型剪枝等技术缩小模型体积，通过自注意力机制、知识蒸馏等方法在缩小模型体积的同时提高准确率和处理速度。8.根据权利要求1所述的载体寄生式公路损坏智能巡查方法，其特征在于，在步骤1)中，所述的车载识别终端，包括：车载识别终端设备集成视频采集模块，获取道路图像数据；车载识别终端设备装载权利要求1中所述智能识别算法，实时检测道路损坏；车载识别终端设备集成北斗定位系统，获取道路损坏定位信息；车载识别终端设备集成4g通信模块，实时上传或下载损坏信息；
车载识别终端设备集成存储模块，临时存储损坏信息。9.根据权利要求1所述的载体寄生式公路损坏智能巡查方法，其特征在于，在步骤1)中，所述的云端监控平台，包括：云端部署权利要求1中所述智能识别算法，云端识别离线道路视频或图像；云端部署监控系统，接收边缘端设备识别信息，汇总统计分析；可视化监控平台显示统计分析结果；根据损坏信息的定位派单给相关工作人员，并发送相关识别信息。

技术总结
本发明公开了一种载体寄生式公路损坏智能巡查方法，涉及道路损坏检测领域，针对公路损坏智能巡查的应用需求，研究适用于各类移动终端的轻量级通用智能识别算法，实现边缘端快速识别和实时上报；针对低碳巡检的要求，研究能够承载智能算法的不同载体特性，实现智能识别算法能够寄生于不同的硬件智能载体，实现终端载体智能复用，通过智能终端移动载体寄生方式，复用现有公交车辆和清扫车辆等移动载体,实现巡检主体智能复用；通过研发高性价比的工业级车载识别终端，实现复杂道路、复杂天气等环境下的道路损坏识别；各种智能设备的应用场景比较广泛灵活，在不影响交通的状况下，实现随时随地轻松检测各种路段，提高工作效率。提高工作效率。提高工作效率。


技术研发人员：赵作鹏 崔舒娅 徐珊珊 郝凯 胡帅 刘笑枫
受保护的技术使用者：江苏比特达信息技术有限公司
技术研发日：2022.03.29
技术公布日：2022/6/7