[发明专利]一种基于轻量级卷积神经网络检测路面病害的方法及装置

说明书

本发明属于交通安全技术领域，具体涉及一种基于轻量级卷积神经网络检测路面病害的方法及装置,包括底座、摄像头模块、MCU模块、SD卡储存模块、语音播报模块，MCU模块用于搭建改进YOLOv3算法，改进YOLOv3算法包括Darknet‑53特征提取网络、预测网络，预测网络包括四个不同尺度的特征层13*13、26*26、52*52、104*104进行预测，104*104特征层用于将浅层信息提取出来。本发明的一种基于轻量级卷积神经网络检测路面病害的方法及装置，对YOLO算法进行了改进，并将轻量级卷积神经网络应用在嵌入式上，实现嵌入式设备对山路路面病害的检测，辅助汽车在行驶过程中，提醒司机前方是否有路面病害的发生，对于较小目标的检测也具有良好的效果，具有性价比高、实用性强和便携性的优点，易于量产及使用。

技术领域

本发明属于交通安全技术领域，具体涉及一种基于轻量级卷积神经网络检测路面病害的方法及装置。

背景技术

我国因为地形的特殊，存在很多盘山公路，由于泥石流等山体滑坡的现象，会使得山路经常存在损坏问题。此外，无论是水泥还是沥青路面，在通车使用一段时间之后，都会陆续出现各种损坏、变形及其它缺陷，这些统称为路面病害。常见的病害有：裂缝、坑槽、车辙、松散、沉陷、桥头涵顶跳车、表面破损等，道路病害在行车中经常会因为注意力不集中，而没有及时发现避让，是造成交通事故的因素之一，对于道路病害的检测，现有技术已具有各种不同的检测方法和不同的测试设备，如采用激光雷达的装置采集识别道路，但这样的装置造价高昂，不适合广大司机群体去推广应用，还有基于深度学习的路面病害检测的方法虽然识别率高，但是其复杂的神经网络结构使得算力要求极高，需要搭载高配置的计算机，这显然是不切实际的。

针对以上技术问题，故需对其进行改进。

发明内容

基于现有技术中存在的上述不足，本发明提供一种基于轻量级卷积神经网络检测路面病害的方法及装置。

为了达到上述发明目的，本发明采用以下技术方案：

一种基于轻量级卷积神经网络检测路面病害的方法，包括步骤：

S1.获取训练的神经网络中的参数值，包括：采集同一视角角度下的道路病害的图像数据集，将采集的图像数据集输入搭建了改进YOLOv3算法的计算机进行训练数据集，保存训练后的神经网络中的参数值，并将神经网络中的参数值写入SD卡中；

所述改进YOLOv3算法包括Darknet-53特征提取网络、预测网络，所述预测网络包括四个不同尺度的特征层13*13、26*26、52*52、104*104进行预测，所述104*104特征层用于将浅层信息提取出来；

S2.安装并启动检测路面病害的装置，包括：将检测路面病害的装置安装于汽车上，所述检测路面病害的装置包括底座、摄像头模块、MCU模块、SD卡储存模块、语音播报模块，安装时，调整底座或摄像头模块，以使摄像头模块获取道路路面图像的视角角度与采集图像数据集的视角角度相同，安装后，将步骤S1中写入神经网络中的参数值的SD卡插入SD卡储存模块中，启动检测路面病害的装置；

S3.对汽车行驶过程进行路面病害检测并提醒，包括：检测路面病害的装置启动后，SD卡储存模块读取SD卡内神经网络中的参数值，并将神经网络中的参数值赋值给MCU模块内搭建的改进YOLOv3算法中，MCU模块检测摄像头模块获取的道路路面图像，判断是否存在路面病害，若存在，则驱动语音播报模块进行语音播报提醒。

作为优选方案，所述步骤S3中，是否存在路面病害的判断包括：MCU模块检测并计算道路病害面积，通过预设阀值与检测计算出的道路病害面积进行比较，若大于预设阀值，则判断为存在，若小于预设阀值，则判断为忽略。

作为优选方案，所述步骤S3中，MCU模块检测摄像头模块获取的道路路面图像还包括道路病害所处方向的检测，所述语音播报提醒包括道路病害所处方向的提醒。