[发明专利]一种随车道路缺陷智能快速检测方法

权利要求书

1.一种随车道路缺陷智能快速检测方法，其特征在于，包括步骤：

通过车载图像采集装置采集道路图像信息，并通过无线网络将所述道路图像信息传递至检测管理端；

在所述检测管理端中，通过深度学习的方式对所述道路图像信息进行学习，获得道路缺陷信息，并对所述缺陷信息进行分类和判定作为检测结果；

将所述检测结果通过网络传递至各个道路维护终端，由道路维护终端的管理人员实时获取到道路缺陷检测结果。

2.根据权利要求1所述的一种随车道路缺陷智能快速检测方法，其特征在于，所述车载图像采集装置包括摄像头、图像采集卡和无线传输器，所述摄像头所采集的图像数据通过图像采集卡由无线传输器传输给检测管理端。

3.根据权利要求2所述的一种随车道路缺陷智能快速检测方法，其特征在于，所述车载图像采集装置还包括GPS定位器和处理器，所述图像采集卡连接至处理器，所述处理器上连接无线传输器，以同一时间节点为间隔由所述GPS定位器和摄像头同步获取图像数据和定位数据作为该时间节点的采集数据，将所述采集数据通过无线网络传递至检测管理端。

4.根据权利要求1所述的一种随车道路缺陷智能快速检测方法，其特征在于，在监控主机检测管理端中，利用深度学习中的卷积神经网络，建立道路缺陷识别模型；将所采集的道路图像信息输入道路缺陷识别模型；在所述路缺陷识别模型中，对道路图像信息进行特征提取，自动学习到道路图像信息的局部异常区域特征，识别出道路图像信息中的缺陷点位。

5.根据权利要求4所述的一种随车道路缺陷智能快速检测方法，其特征在于，通过深度学习的方式对所述道路图像信息进行学习，获得道路缺陷信息，包括步骤：

从道路图像信息中提取道路图像；

将所述道路图像进行预处理；

对所述道路图像进行特征提取，构成图像特征向量；

将所述道路图像特征向量输入所述路缺陷识别模型，识别出道路图像信息中的缺陷点位。

6.根据权利要求5所述的一种随车道路缺陷智能快速检测方法，其特征在于，所述预处理过程包括步骤：

将所述道路图像转换成灰度图像，并生成轮廓图像；

对所述轮廓图像进行滤波处理和边缘处理；以提高正常道路和缺陷道路的对比度以消除表面粗糙度和图像信号噪声的影响,边缘保护滤波算法，利用最小方差为评价指标的邻域均值算法,在去除图像噪声的同时可避免钝化正常材和缺陷的边缘界线。

7.根据权利要求6所述的一种随车道路缺陷智能快速检测方法，其特征在于，对所述道路图像进行特征提取，包括步骤，所述特征提取包括边界特征和缺陷区域灰度特征；

所述边界特征包括：缺陷边缘的长度、缺陷边缘的宽度、缺陷两端的尖锐程度和边缘粗糙度；缺陷边缘的长度，取缺陷边界上任意向量之间的距离最大值，并作为主轴；缺陷边缘的长度，取缺陷边界上任意向量之间的距离最小值，作为副轴；缺陷两端的尖锐程度，是主轴两端1/4长度所对应的面积和缺陷总面积的比值；边缘粗糙度，为边缘缺陷向量曲线的不平滑程度；

所述缺陷区域灰度特征包括：缺陷区域的灰度波动程度、灰度曲线的偏移度和灰度曲线的波谷楔度；缺陷区域的灰度波动程度为，曲线与主轴围成的区域内对应像素点的灰度值；灰度曲线的偏移度，利用副轴平行线与缺陷曲线的相交线的偏移度；灰度曲线的波谷楔度，通过副轴平行线与缺陷曲线的相交线确定灰度曲线的峰度。

8.根据权利要求5所述的一种随车道路缺陷智能快速检测方法，其特征在于，所述路缺陷识别模型采用改进的CNN模型，所述路缺陷识别模型包括3×3卷积核和最大池化层，并在所述异常状态识别模型的每一个卷积层之后均进行组归一化处理。

9.根据权利要求8所述的一种分布式电源并网的运行监控方法，其特征在于，所述路缺陷识别模型，处理过程包括步骤：

输入所述道路图像，并对道路图像进行采样；

依次通过多组3×3卷积核进行卷积运算；

在每个卷积运算后通过最大池化层获取局部缺陷区域特征；

局部缺陷区域特征通过映射网络到输出层输出缺陷点位的特征向量。