一种载体寄生式公路附属设施智能定点巡查方法与流程

1.本发明属于公路附属设施巡查技术领域，尤其涉及一种载体寄生式公路附属设施智能定点巡查方法。


背景技术：

2.为保证公路附属设施的资产安全，道路管理部门有必要对公路附属设施进行定期检查，对发现问题路段加强日常巡查，对重要路段加大巡查频率，以采取适当的整改措施。传统的公路附属设施检测采用人工巡检或特定的检测车进行检测，人工巡检耗时耗力，效率低，并且极易引发路段交通堵塞；而检测车造价昂贵且维修成本高，不利于推广使用。
3.当今“集约化、专业化和节能环保”的绿色养护理念成为市场主流，让更多的目光投入到自动化检测方向上。近几年电子信息科技蓬勃发展，移动载体硬件资源性能提升，可以很好地满足工业处理需求。智能自动化检测技术在各行各业得到广泛应用，这为解决上述问题提供了新思路，如公开号为cn113076788a的中国专利公开了一种基于改进的yolov3-tiny网络的交通标识检测方法，利用智能化方法对交通标识实时检测。
4.但复杂的天气情况和道路环境，致使目前此类仅依靠智能算法的公路附属设施检测方法准确率不高，容易出现漏检和误检，且检测载体设备成本高、运用场景单一。
5.因此，针对以上现状，迫切需要开发一种载体寄生式公路附属设施智能定点巡查方法，以克服当前实际应用中的不足。


技术实现要素：

6.针对现有技术存在的不足，本发明实施例的目的在于提供一种载体寄生式公路附属设施智能定点巡查方法，以解决上述背景技术中的问题。
7.为实现上述目的，本发明提供如下技术方案：
8.一种载体寄生式公路附属设施智能定点巡查方法，包括如下步骤：
9.步骤(1)、设计轻量级跨平台智能检测算法和算法接口，嵌入到现有智能移动终端中；
10.步骤(2)、通过智能移动终端获取北斗定位数据，确定终端是否在巡查定位点有效范围；
11.步骤(3)、使用移动终端摄像头对公路附属设施进行图像取证和异常识别，得到智能移动终端数据；
12.步骤(4)、将智能移动终端数据上传至云端监控平台，并进行规范化存储；
13.步骤(5)、将终端上传数据与云端数据库中的标准资产图像和属性数据进行自动比对，形成可视化比对报表，人工进行核实，完成对公路附属设施的智能化巡查。
14.作为本发明进一步的技术方案，所述步骤(1)包括如下步骤：
15.步骤(11)、在不同平台移动终端设备上设计不同语言的终端接口，将轻量级跨平台智能检测算法通过接口跨平台部署在多种智能终端设备中；
16.步骤(12)、轻量级跨平台智能检测算法通过寄生的方式，复用现有智能终端；
17.步骤(13)、智能终端通过移动载体寄生的方式，复用现有移动载体。
18.作为本发明进一步的技术方案，所述智能终端包括智能手机和车载终端，所述移动载体包括公交车辆、清扫车辆、无人机和出租车。
19.作为本发明进一步的技术方案，在步骤(2)中，所述智能移动终端是通过复用原载体已有的定位功能，获取北斗定位数据。
20.作为本发明进一步的技术方案，在步骤(3)中，所述异常识别是通过轻量化目标检测模型得到的，所述轻量化目标检测模型时通过公路附属设施数据集训练得到的。
21.作为本发明进一步的技术方案，所述轻量化目标检测模型采用深度可分离卷积和模型剪枝技术缩小模型体积，通过自注意力机制和知识蒸馏方法，对轻量化目标检测模型的准确率和处理速度进行提高。
22.作为本发明进一步的技术方案，通过移动终端摄像头对公路附属设施数据进行采集和标注，得到公路附属设施数据集，所述公路附属设施数据集中的80％数据作为训练集，20％数据作为测试集，用于训练和测试轻量化目标检测模型。
23.作为本发明进一步的技术方案，在步骤(4)中，所述智能移动终端数据包括图像信息、位置信息、时间信息、设备信息和异常识别信息；
24.规范化存储是将图像重新命名，并将图像名称作为图像索引存入云端数据库，异常信息作为图像关联信息存入云端数据库，图像资源存入云端服务器；图像名称是由位置信息、时间信息和设备信息组成。
25.作为本发明进一步的技术方案，所述车载终端上装载有轻量级跨平台智能检测算法，用于对公路附属设施进行定点取证，所述车载终端包括有：
26.图像采集模块，用于获取公路附属设施的图像数据；
27.北斗定位系统，用于获取终端设备的定位数据；
28.4g或5g通信模块，用于实时上传或下载图像数据和异常识别数据；
29.存储模块，用于临时存储图像数据。
30.作为本发明进一步的技术方案，在步骤(4)中，所述云端监控平台包括有：
31.云端部署监控系统，用于收边缘端设备上传的数据，进行规范化存储，并结合比对结果，自动生成可视化比对报表；
32.可视化监控平台，用于显示比对报表，并将公路附属设施异常信息的定位派单给相关工作人员。
33.与现有技术相比，本发明的有益效果是：
34.1)本发明适用于各类移动终端的轻量级智能定点检测算法，算法体积小，所需计算资源少，能够准确检测公路附属设施异常状态，通过不同设备上的接口即可实现跨平台部署。
35.2)算法寄生式部署在多种智能终端设备中，在已有智能设备中实现公路附属设施异常状态检测，与设备中已有智能算法复用设备硬件资源，不增加额外硬件成本；智能终端寄生于现有运营车辆，如公交车、清扫车和出租车等，减少资源浪费，低碳环保。
36.3)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的公路附属设施，提高工作效率。
37.4)本发明采用智能检测自动生成比对报表与人工核实比对报表相结合的方法，可以有效解决仅依靠智能算法检测的漏检和误检问题。
38.为更清楚地阐述本发明的结构特征和功效，下面结合附图与具体实施例来对本发明进行详细说明。
附图说明
39.图1为本发明实施例提供的载体寄生式公路附属设施智能定点巡查方法的工作原理图。
40.图2为本发明中智能定点检测方法的流程图。
具体实施方式
41.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
42.以下结合具体实施例对本发明的具体实现进行详细描述。
43.如图1所示，作为本发明一个实施例提供的一种载体寄生式公路附属设施智能定点巡查方法，包括如下步骤：
44.步骤(1)、设计轻量级跨平台智能检测算法和算法接口，嵌入到现有智能移动终端中；
45.步骤(2)、通过智能移动终端获取北斗定位数据，确定终端是否在巡查定位点有效范围；
46.步骤(3)、使用移动终端摄像头对公路附属设施进行图像取证和异常识别，得到智能移动终端数据；
47.步骤(4)、将智能移动终端数据上传至云端监控平台，并进行规范化存储；
48.步骤(5)、将终端上传数据与云端数据库中的标准资产图像和属性数据进行自动比对，形成可视化比对报表，人工进行核实，完成对公路附属设施的智能化巡查。
49.在本实施例中，首先设计跨平台轻量级智能检测算法，用于对不同场景下的公路附属设施定点检测，该算法通过载体寄生接口，载入多种不同的移动终端设备中，移动终端寄生在多种移动载体中，同时各移动终端保持与云端监控平台传输图像数据、异常识别信息和派单信息，在监控平台界面可视化查看比对报表。
50.具体来说，智能定点检测算法用于检测公路附属设施异常状态；北斗定位系统用于定位公路附属设施位置，图像采集模块用于获取公路附属设施图像数据。然后使用4g或5g通信模块向云端传输图像数据和异常数据，云端自动比对上传数据和原始图像，生成比对报表，人工核实比对报表，判断是否需要维修，并派发订单任务；
51.多种移动终端设备共同参与巡检，在巡查定位点由终端设备进行图像取证和异常识别，进而结合云端数据库中标准资产图像和属性数据，自动生成比对报表，实现快速精准的公路附属设施异常检测，通过算法寄生方式，复用现有智能终端；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，低碳环保，操作灵活和高效。
52.如图2所示，作为本发明的一种优选实施例，所述步骤(1)包括如下步骤：
53.步骤(11)、在不同平台移动终端设备上设计不同语言的终端接口，将轻量级跨平台智能检测算法通过接口跨平台部署在多种智能终端设备中；
54.步骤(12)、轻量级跨平台智能检测算法通过寄生的方式，复用现有智能终端；
55.步骤(13)、智能终端通过移动载体寄生的方式，复用现有移动载体。
56.如图1所示，作为本发明的一种优选实施例，所述智能终端包括但不限于智能手机和车载终端，所述移动载体包括但不限于公交车辆、清扫车辆、无人机和出租车。
57.在本实施例中，车载终端设备可以在行车过程中轻松采集公路附属设施的数据；智能无人机便于采集险要路段的公路附属设施的数据；智能手机可随时随地对公路附属设施进行拍照；
58.智能手机端工作人员会接收云端监控平台发送的派单任务，具体为公路附属设施检修任务，任务中包含公路附属设施异常状态信息和位置信息。
59.如图1所示，作为本发明的一种优选实施例，在步骤(2)中，所述智能移动终端是通过复用原载体已有的定位功能，获取北斗定位数据。
60.如图2所示，作为本发明的一种优选实施例，在步骤(3)中，所述异常识别是通过轻量化目标检测模型得到的，所述轻量化目标检测模型时通过公路附属设施数据集训练得到的。
61.如图1所示，作为本发明的一种优选实施例，所述轻量化目标检测模型采用深度可分离卷积和模型剪枝技术缩小模型体积，通过自注意力机制和知识蒸馏方法，对轻量化目标检测模型的准确率和处理速度进行提高。
62.在本实施例中，轻量化目标检测模型是在yolox的基础上进行轻量化得到的。
63.如图1所示，作为本发明的一种优选实施例，通过移动终端摄像头对公路附属设施数据进行采集和标注，得到公路附属设施数据集，所述公路附属设施数据集中的80％数据作为训练集，20％数据作为测试集，用于训练和测试轻量化目标检测模型。
64.在本实施例中，公路附属设施数据集标签包含四类，分别为：交通标牌、摄像头、人行横道和红绿灯；公路附属设施数据集的格式与yolo数据集格式一致；在训练模型时，数据集中80％的数据作为训练集，用来训练模型参数，其余20％的数据作为测试集，用于测试当前模型的检测精度和性能。
65.如图1所示，作为本发明的一种优选实施例，在步骤(4)中，所述智能移动终端数据包括图像信息、位置信息、时间信息、设备信息和异常识别信息；
66.规范化存储是将图像重新命名，并将图像名称作为图像索引存入云端数据库，异常信息作为图像关联信息存入云端数据库，图像资源存入云端服务器；图像名称是由位置信息、时间信息和设备信息组成。
67.在本实施例中，可视化比对报表包括公路附属设施类型、取证时间、取证定位点、设施异常状态和是否维修等信息。
68.如图1所示，作为本发明的一种优选实施例，所述车载终端上装载有轻量级跨平台智能检测算法，用于对公路附属设施进行定点取证，所述车载终端包括有：
69.图像采集模块，用于获取公路附属设施的图像数据；
70.北斗定位系统，用于获取终端设备的定位数据；
71.4g或5g通信模块，用于实时上传或下载图像数据和异常识别数据；
72.存储模块，用于临时存储图像数据。
73.如图1所示，作为本发明的一种优选实施例，在步骤(4)中，所述云端监控平台包括有：
74.云端部署监控系统，用于收边缘端设备上传的数据，进行规范化存储，并结合比对结果，自动生成可视化比对报表；
75.可视化监控平台，用于显示比对报表，并将公路附属设施异常信息的定位派单给相关工作人员。
76.在本实施例中，云端监控平台与各类移动终端保持通信和信息传输，包括上传云端和生成可视化监控界面，云端存储移动终端设备上传的公路附属设施图像信息和异常状态，自动与原始图像比对，形成可视化比对报表；审核人员审核比对报表，分析各类设施异常状态维修工作需求，向相关工作人员持有的终端设备上派发订单信息，并接收反馈，确定是否已维修完成。
77.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。