[发明专利]一种基于深度学习的井盖缺失检测系统及方法

权利要求书

1.一种基于深度学习的井盖缺失检测系统，其特征在于，包括：

图像获取模块，用于获取路面图像；

预处理模块，用于对所述路面图像进行预处理，选出感兴趣区域，其中，所述感兴趣区域是包含井盖的区域；

井盖缺失检测模块，用于将所述感兴趣区域输入至训练好的深度学习模型，输出检测结果，其中，所述检测结果指示所述感兴趣区域中的井盖是否缺失。

2.如权利要求1所述的井盖缺失检测系统，其特征在于，还包括：

报警信息生成模块，用于在检测结果为所述感兴趣区域中的井盖缺失时，生成相应的报警信息。

3.如权利要求2所述的井盖缺失检测系统，其特征在于，还包括：

预警提示模块，用于根据所述报警信息发出预警提示；

定位模块，用于获取当前位置信息，并将所述当前位置信息发送给MDVR模块；

所述MDVR模块，用于将所述报警信息和所述当前位置信息发送后台处理模块；

所述后台处理模块，用于根据所述报警信息生成报警列表，根据所述当前位置信息确定井盖缺失的位置。

4.如权利要求2所述的井盖缺失检测系统，其特征在于，还包括：

一键提示模块，用于在检测到用户对提醒按钮的操作时，触发所述后台处理模块弹出相应的提示信息。

5.如权利要求1至4任一项所述的井盖缺失检测系统，其特征在于，所述深度学习模型包括多个子模型；

所述预处理模块，还用于获取所述感兴趣区域中井盖的形态；

所述井盖缺失检测模块具体用于：

将所述感兴趣区域输入至训练好的与所述感兴趣区域中井盖的形态对应的子模型，输出检测结果。

6.一种基于深度学习的井盖缺失检测方法，其特征在于，包括：

图像获取模块获取路面图像；

预处理模块对所述路面图像进行预处理，选出感兴趣区域，其中，所述感兴趣区域是包含井盖的区域；

井盖缺失检测模块将所述感兴趣区域输入至训练好的深度学习模型，输出检测结果，其中，所述检测结果指示所述感兴趣区域中的井盖是否缺失。

7.如权利要求6所述的井盖缺失检测方法，其特征在于，还包括：

报警信息生成模块在检测结果为所述感兴趣区域中的井盖缺失时，生成相应的报警信息。

8.如权利要求7所述的井盖缺失检测方法，其特征在于，还包括：

预警提示模块根据所述报警信息发出预警提示；

定位模块获取当前位置信息，并将所述当前位置信息发送给MDVR模块；

所述MDVR模块将所述报警信息和所述当前位置信息发送后台处理模块；

所述后台处理模块根据所述报警信息生成报警列表，根据所述当前位置信息确定井盖缺失的位置。

9.如权利要求7所述的井盖缺失检测方法，其特征在于，还包括：

一键提示模块在检测到用户对提醒按钮的操作时，触发所述后台处理模块弹出相应的提示信息。

10.如权利要求6至9任一项所述的井盖缺失检测方法，其特征在于，所述深度学习模型包括多个子模型；

所述预处理模块获取所述感兴趣区域中井盖的形态；

所述井盖缺失检测模块将所述感兴趣区域输入至训练好的深度学习模型，输出检测结果包括：

所述井盖缺失检测模块将所述感兴趣区域输入至训练好的与所述感兴趣区域中井盖的形态对应的子模型，输出检测结果。