[发明专利]基于边缘检测神经网络的路面病害检测方法和装置

权利要求书

1.一种基于边缘检测神经网络的路面病害检测方法，其特征在于，包括：

运用第一边缘检测神经网络对输入的路面图像进行路面病害识别，输出所述路面图像的第一病害概率矩阵；

运用第二边缘检测神经网络对所述路面图像进行路面病害识别，输出所述路面图像的第二病害概率矩阵；

根据第一、二病害概率矩阵，计算所述路面图像的最终病害概率矩阵：对于第二病害概率矩阵中的每个概率值与一个设定的门限值进行比较；若所述概率值小于所述门限值，则该概率值的概率增益为0；否则，该概率值的概率增益与该概率值为线性增益关系；根据第二病害概率矩阵中的每个概率值的概率增益生成增益概率矩阵；将第一病害概率矩阵与增益概率矩阵相加得到所述最终病害概率矩阵；

根据所述最终病害概率矩阵，从所述路面图像中识别出路面病害；

其中，所述第一边缘检测神经网络、第二边缘检测神经网络分别是根据具有普通路面病害、复杂路面病害的路面图像预先训练得到的。

2.根据权利要求1所述的方法，其特征在于，第一边缘检测神经网络具体根据如下方法训练得到：

将具有普通路面病害的路面图像作为第一训练集中的训练图像，并生成第一训练集中的路面图像的病害标记文件；

基于第一训练集以及生成的病害标记文件，第一边缘检测神经网络进行多次学习；其中，在第一边缘检测神经网络的一次学习过程中：

将第一训练集中的一个路面图像输入到第一边缘检测神经网络；

根据第一边缘检测神经网络输出的病害概率矩阵与由该路面图像的病害标记文件形成的标记矩阵，计算正样本损失度；

根据计算的正样本损失度对第一边缘检测神经网络中的参数进行一次优化。

3.根据权利要求1所述的方法，其特征在于，第二边缘检测神经网络具体根据如下方法训练得到：

将具有复杂路面病害的路面图像作为第二训练集中的训练图像，并生成第二训练集中的路面图像的病害标记文件；

基于第二训练集以及生成的病害标记文件，第二边缘检测神经网络进行多次学习；其中，在第二边缘检测神经网络的一次学习过程中：

将第二训练集中的一个路面图像输入到第二边缘检测神经网络；

根据第二边缘检测神经网络输出的病害概率矩阵与由该路面图像的病害标记文件形成的标记矩阵，计算正样本损失度；

根据计算的正样本损失度对第二边缘检测神经网络中的参数进行一次优化。

4.根据权利要求1-3任一所述的方法，其特征在于，第一、二边缘检测神经网络的结构中包括10个卷积层，以及设置于最后一个卷积层之后的逻辑激活层。

5.一种基于边缘检测神经网络的路面病害检测装置，其特征在于，包括：

第一边缘检测神经网络，用于对输入的路面图像进行路面病害识别，输出所述路面图像的第一病害概率矩阵；

第二边缘检测神经网络，用于对所述路面图像进行路面病害识别，输出所述路面图像的第二病害概率矩阵；

最终概率确定模块，用于根据第一、二病害概率矩阵，计算所述路面图像的最终病害概率矩阵：对于第二病害概率矩阵中的每个概率值与一个设定的门限值进行比较；若所述概率值小于所述门限值，则该概率值的概率增益为0；否则，该概率值的概率增益与该概率值为线性增益关系；根据第二病害概率矩阵中的每个概率值的概率增益生成增益概率矩阵；将第一病害概率矩阵与增益概率矩阵相加得到所述最终病害概率矩阵；

病害识别模块，用于根据所述路面图像的最终病害概率矩阵，从所述路面图像中识别出路面病害；

其中，所述第一边缘检测神经网络、第二边缘检测神经网络分别是根据具有普通路面病害、复杂路面病害的路面图像预先训练得到的。