[发明专利]改进PoolNet网络结构的混凝土路面裂缝检测方法

说明书

本发明公开了一种改进PoolNet网络结构的混凝土路面裂缝检测方法，获取路面图像集，并筛选出具有裂缝的路面图像；基于仿射变换和非刚体变换，对所述路面图像以及对应的标注进行数据增强处理；将数据增强后的训练集输入改进PoolNet网络结构进行训练，直至迭代次数达到指定阈值或者性能指标满足应用要求，完成训练；基于测试集判断改进PoolNet网络结构是否满足应用要求，若满足，则保存改进PoolNet网络结构，若不满足，则修改数据增强和训练环境的超参数重新进行训练；使用训练好的模型进行路面裂缝检测，并对提取得到的路面裂缝使用基于连通域标记分类算法，对裂缝进行分类和严重程度的评估，准确地检测路面裂缝。

技术领域

本发明涉及路面裂缝检测技术领域，尤其涉及一种改进PoolNet网络结构的混凝土路面裂缝检测方法。

背景技术

路面裂缝检测是道路巡检养护的主要工作之一，及时地检测出路面裂缝有利于及早地修补路面缺陷，保证行车安全。以人工方式去巡查路面状况不仅巡检人员存在生命危险，而且工作效率较低。自动地路面裂缝检测技术能够提高检测效率，将人员从繁重的、乏味的重复性工作解脱出来。目前，已经有许多学者在路面裂缝检测算法领域做了大量研究。

当前，越来越多的基于深度学习的路面裂缝检测方法被提出，这些方法不再是人工设计的特征外加分类器的算法流程，而是精心设计一个端到端的卷积神经网络模型实现单阶段检测裂缝。但是深度学习方法的性能依赖于标记的训练数据、设计的网络模型以及模型训练策略。目前，裂缝检测方法能够对干净的、少噪声的路面准确地提取裂缝，而在含有阴影、污点、水渍、车道线等噪声以及不均匀光照条件地复杂路面环境下，容易受到噪声影响，将与裂缝相似的噪声(比如阴影、车道线)误检测为裂缝，不能够从复杂环境中提取路面图像中鲁棒性的裂缝特征，准确地检测路面裂缝。

发明内容

本发明的目的在于提供一种改进PoolNet网络结构的混凝土路面裂缝检测方法，能够从复杂环境中提取路面图像中鲁棒性的裂缝特征，准确地检测路面裂缝。

为实现上述目的，本发明提供了一种改进PoolNet网络结构的混凝土路面裂缝检测方法，包括以下步骤：

获取路面图像集，并从所述路面图像集中筛选出具有裂缝的路面图像，同时划分为训练集和测试集；

基于仿射变换和非刚体变换，对所述路面图像以及对应的标注进行数据增强处理；

将数据增强后的所述训练集输入改进PoolNet网络结构进行训练，直至迭代次数达到指定阈值或者性能指标满足应用要求，完成训练；

基于所述测试集判断所述改进PoolNet网络结构是否满足应用要求，若满足，则保存所述改进PoolNet网络结构，若不满足，则修改数据增强和训练环境的超参数重新进行训练；

使用训练好的模型进行路面裂缝检测，并对提取得到的路面裂缝使用基于连通域标记分类算法，对裂缝进行分类和严重程度的评估。

其中，基于仿射变换和非刚体变换，对所述路面图像以及对应的标注进行数据增强处理，包括：

获取随机生成的一个随机数，并判断所述随机数是否大于执行数据增强的阈值；

若大于执行数据增强的阈值，则以反射方式取所述路面图像较长边填充图像，并以多种设定的概率值进行数据增强处理。

其中，若大于执行数据增强的阈值，则以反射方式取所述路面图像较长边填充图像，并以多种设定的概率值进行数据增强处理，包括：

大于执行数据增强的阈值，则以反射方式取所述路面图像较长边填充图像，得到一个正方形图像；

以0.2的概率添加高斯噪声；

以0.5的概率进行水平翻转；