[发明专利]一种基于深度学习的路面病害检测方法和装置

权利要求书

1.一种基于深度学习的路面病害检测方法，其特征在于，包括：

获取路面图像或路面视频；

根据所述路面图像或路面视频获取路面待检图像；

使用基于深度学习网络的路面病害检测模型识别所述路面待检图像中的路面病害，同时获取对应的定位数据，形成路面病害综合信息。

2.根据权利要求1所述的基于深度学习的路面病害检测方法，其特征在于，从所述路面视频中获取路面待检图像的具体操作为：

对所述路面图像或所述路面视频进行多尺度特征图检测并融合，得到融合特征图作为路面待检图像；所述多尺度检测至少包括32倍降采样、16倍降采样和8倍降采样。

3.根据权利要求1所述的基于深度学习的路面病害检测方法，其特征在于，路面图像或路面视频通过多个摄像头针对多个角度拍摄得到；所述路面病害检测方法还包括：

针对每个所述摄像头获取的路面图像或路面视频分别执行路面病害检测方法。

4.根据权利要求1所述的基于深度学习的路面病害检测方法，其特征在于，所述路面病害检测模型基于YOLO v3网络训练得到。

5.根据权利要求4所述的基于深度学习的路面病害检测方法，其特征在于，所述路面病害件模型的训练预期效果判断标准包括：准确率、检测效率、PR曲线、mIOU和F1分数。

6.一种使用权利要求1-5任一所述的基于深度学习的路面病害检测方法的基于深度学习的路面病害检测装置，其特征在于，包括开发板、定位模块和检测模块；

所述检测模块，用于获取路面图像或路面视频并传送到所述开发板中；

所述定位模块，与所述开发板连接，用于获取定位数据；

所述开发板，内载基于深度学习网络的路面病害检测模型，用于根据路面图像或路面视频获取路面待检图像，判定路面待检图像中的路面病害。

7.根据权利要求6所述的基于深度学习的路面病害检测装置，其特征在于，所述检测模块包括前处理单元和摄像头；所述摄像头为高清摄像头和/或车载CMOS相机；

所述前处理单元，用于将摄像头拍摄的路面图像进行前处理后传送到所述开发板中。

8.根据权利要求6所述的基于深度学习的路面病害检测装置，其特征在于，还包括训练模块，用于使用路面病害图像对路面病害检测模型进行训练，得到最优路面病害检测模型后加载到所述开发板中。

9.一种路面病害检测车，其特征在于，装载权利要求6-8任一所述的路面病害检测装置进行路面病害检测。

10.一种计算机可读介质，其特征在于，其内存储有计算机软件，所述软件在被处理器执行时能够实现权利要求1-5任一所述的基于深度学习的路面病害检测方法。