【技術實現步驟摘要】
本專利技術涉及智慧高速、公路養護，尤其是涉及基于yolov5算法的瀝青路面病害智能化檢測方法。
技術介紹
1、隨著高速公路規劃建設目標的完成以及高速公路交通網絡的不斷完善與發展，高速公路的養護問題日益凸顯，如何通過技術手段提高公路養護的信息化、專業化、智能化水平是是公路養護領域亟待解決的問題之一。利用目標檢測算法，實現公路瀝青路面病害的檢測、分類以及進行像素級的精準定位，更直觀、精確地獲取路面病害全貌，對于公路路面的養護具有重要的意義，是實現道路養護智能化的重要基礎。
2、目前，有研究表明采用yolo算法能夠實現對瀝青路面病害進行檢測，然而在道路損傷識別領域的小目標檢測任務中，現有的方法存在模型過擬合、計算效率不高及卷積復雜等問題。此外，在檢測過程中，檢測目標尺寸不能精確估算，容易帶來較大的誤差，且通常會對同一車道、同一病害進行多次檢測和統計，造成數據冗余的現象。
3、因此，亟需一種yolo算法在道路損傷識別的小目標檢測任務中，能夠對目標尺寸、位置信息具有良好地檢測性能，達到減少數據冗余、提升計算速度的目的，為提高瀝青路面病害檢測精度提供參考。
技術實現思路
1、本專利技術的目的是提供基于yolov5算法的瀝青路面病害智能化檢測方法，使其在瀝青路面病害檢測中，針對小目標檢測任務，能夠精確目標的尺寸和位置信息，提高道路損傷識別精度。
2、為實現上述目的，本專利技術提供基于yolov5算法的瀝青路面病害智能化檢測方法，包括以下步驟：
3、
4、s2、對獲取瀝青路面病害的視頻數據進行人工標注，并構建瀝青路面病害圖像數據集；
5、s3、基于高效的多尺度注意力機制，得到改進yolov5目標檢測模型；
6、s4、利用構建的瀝青路面病害圖像數據集，對改進yolov5目標檢測模型進行初步訓練；
7、s5、基于初步訓練后的改進yolov5目標檢測模型，對實時數據庫進行檢測，并對檢測結果數據進行人工核查，將核查結果導入實時數據庫作為新的數據集，對初步訓練后的改進yolov5目標檢測模型進行糾錯優化；
8、s6、基于動態規劃方法，通過累計置信度選擇預選框，并通過預選框對瀝青路面同一病害的信息進行冗余數據去重處理；
9、s7、基于去重后的瀝青路面病害數據，通過棋盤法對像素坐標系和真實坐標系進行關聯，獲取檢測目標的實際尺寸，并利用形貌分形方法對瀝青路面病害進行評估。
10、優選的，步驟s2中，人工標注包括橫向裂縫、縱向裂縫、網狀裂縫、坑槽、塊狀修補和條狀修補六種標簽信息。
11、優選的，步驟s3中，高效的多尺度注意力機制通過對長期依賴關系進行建模，保存了準確的位置信息，并融合了不同尺度的上下文信息。
12、優選的，步驟s4中，包括基于構建并標注好的瀝青路面病害圖像數據集，通過損失函數曲線提供驗證集數據反饋，依次調節模型的超參數，并動態調整每個參數的步長，對改進yolov5目標檢測模型進行初步訓練。
13、優選的，步驟s7包括立體建模、病害分割和尺寸評估；
14、在立體建模中，采用棋盤法對圖像進行校正，并獲取瀝青路面視差圖像；
15、在病害分割中，通過細化算法獲取瀝青路面裂縫骨架，并將包含病害的像素設置為1，非病害的像素置設為0，得到二值化的圖像，進而獲得病害的面積；
16、在尺寸評估中，根據三角測量原理進行瀝青路面病害尺寸的評估。
17、優選的，采用棋盤法將圖片進行校正包括使用棋盤格計算單應性矩陣；根據相機內參數設定、相機的高度和角度，利用單應性矩陣將路面病害圖像進行投影變換，得到路面病害俯視圖。
18、優選的，獲取瀝青路面視差圖像包括：
19、通過全局建模獲得道路場景下的視差圖像，再利用特征點匹配獲得局部點視差和視差候選算法，并對獲得的視差圖像進行優化，得到瀝青路面視差圖像。
20、因此，本專利技術采用上述基于yolov5算法的瀝青路面病害智能化檢測方法，具有以下技術效果：
21、（1）基于yolov5算法，同時引入高效的多尺度注意力機制，通過對長程依賴關系進行建模，能夠保存精確的位置信息以及融合不同尺度的上下文信息，使神經網絡能更好提取特征，結合新添加的小目標檢測頭可以有效提升小目標的檢測精度。
22、（2）將路面病害辨識和表征方法分為立體建模、病害分割和尺寸評估，通過細化算法和逐點計算，實現整體病害的尺寸評估，提升目標尺寸估算的精度，為后續目標檢測提供可靠的依據。
本文檔來自技高網...【技術保護點】
1.基于YOLOv5算法的瀝青路面病害智能化檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于YOLOv5算法的瀝青路面病害智能化檢測方法，其特征在于，步驟S2中，人工標注包括橫向裂縫、縱向裂縫、網狀裂縫、坑槽、塊狀修補和條狀修補六種標簽信息。
3.根據權利要求1所述的基于YOLOv5算法的瀝青路面病害智能化檢測方法，其特征在于，步驟S3中，高效的多尺度注意力機制通過對長期依賴關系進行建模，保存了準確的位置信息，并融合了不同尺度的上下文信息。
4.根據權利要求1所述的基于YOLOv5算法的瀝青路面病害智能化檢測方法，其特征在于，步驟S4中，包括基于構建并標注好的瀝青路面病害圖像數據集，通過損失函數曲線提供驗證集數據反饋，依次調節模型的超參數，并動態調整每個參數的步長，對改進YOLOv5目標檢測模型進行初步訓練。
5.根據權利要求1所述的基于YOLOv5算法的瀝青路面病害智能化檢測方法，其特征在于，步驟S7包括立體建模、病害分割和尺寸評估；
6.根據權利要求5所述的基于YOLOv5算法的瀝青路面病害智能化檢
7.根據權利要求5所述的基于YOLOv5算法的瀝青路面病害智能化檢測方法，其特征在于，獲取瀝青路面視差圖像包括：
...【技術特征摘要】
1.基于yolov5算法的瀝青路面病害智能化檢測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于yolov5算法的瀝青路面病害智能化檢測方法，其特征在于，步驟s2中，人工標注包括橫向裂縫、縱向裂縫、網狀裂縫、坑槽、塊狀修補和條狀修補六種標簽信息。
3.根據權利要求1所述的基于yolov5算法的瀝青路面病害智能化檢測方法，其特征在于，步驟s3中，高效的多尺度注意力機制通過對長期依賴關系進行建模，保存了準確的位置信息，并融合了不同尺度的上下文信息。
4.根據權利要求1所述的基于yolov5算法的瀝青路面病害智能化檢測方法，其特征在于，步驟s4中，包括基于構建并標注好的瀝青路面病害圖像數據集，通過...
【專利技術屬性】
技術研發人員：許庸，金紀虹，井甜，張小瑞，陸磊，權磊，
申請(專利權)人：南京工業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。