【技術實現步驟摘要】
本專利技術涉及圖像處理，具體而言，涉及一種基于人工智能的道路養護巡查系統及方法。
技術介紹
1、隨著城市化進程的加快，城市道路的使用壓力不斷增大，道路的養護和修復變得愈加重要。傳統的道路巡查和養護工作依賴人工進行現場檢查和評估。人工巡查效率低，工作強度大，且容易受限于天氣、光照等外部因素，造成巡查數據的不準確和滯后。并且人工檢查的主觀性較強，評估結果會受到巡查人員經驗和判斷力的影響，缺乏一致性和準確性。
2、近年來，隨著人工智能的飛速發展，基于人工智能的智能巡查系統逐漸成為現代道路養護的趨勢。利用無人機、自動化攝像設備和傳感器，結合圖像處理與分析技術，可以在不依賴人工干預的情況下高效、精確地進行道路狀態的監測。然而，在基于人工智能對道路進行缺陷檢測時，巡查系統通常依賴預設的巡查速度和時間間隔，沒有根據不同道路的實際情況進行動態調整，導致巡查效率低下或漏檢嚴重。并且在進行識別時通常需要對圖像每一像素進行分析處理，逐幀識別，識別工作量大對設備要求較高，增加了運行成本。
3、因此，有必要設計一種基于人工智能的道路養護巡查系統及方法用以解決當前技術中存在的問題。
技術實現思路
1、鑒于此，本專利技術提出了一種基于人工智能的道路養護巡查系統及方法，旨在解決當前基于人工智能的道路養護巡查技術中存在的缺乏動態調整能力，圖像識別工作量大、識別過程費時且運行成本較高的問題。
2、一個方面，本專利技術提出了一種基于人工智能的道路養護巡查系統，包括：
3、
4、處理單元，被配置為以所述巡查速度采集所述待巡查區域的圖像數據，對所述圖像數據進行灰度處理，并根據光影對所述圖像數據進行分割，獲得若干個子圖像數據；
5、判斷單元，被配置為采集每一所述子圖像數據中的像素灰度值，根據所述像素灰度值判斷是否存在異常像素點；將存在異常像素點的子圖像數據與標準圖像數據進行比對確定相似度值，當所述相似度值未在正常相似度區間時，將所述子圖像數據作為疑似缺陷片段；
6、識別單元，被配置為基于圖像識別對所述疑似缺陷片段進行特征識別，當所述子圖像數據存在缺陷時提取缺陷特征，并根據所有缺陷特征確定缺陷評分；
7、調整單元，被配置為根據所述缺陷評分確定下一次養護巡查策略。
8、進一步的，所述采集單元根據所述道路信息確定巡查速度以及巡查間隔時長時，包括：
9、
10、
11、其中，v表示巡查速度，l表示道路長度，w表示道路寬度，i表示道路平均光照占比，t表示巡查間隔時長，且t向上取整，f表示道路表面附著物影響系數，且f取值范圍[0.05，0.2]，t0表示基礎巡查間隔時長。
12、進一步的，所述處理單元對所述圖像數據進行灰度處理，并根據光影對所述圖像數據進行分割，獲得若干個子圖像數據時，包括：
13、所述處理單元通過對所述圖像數據進行加權平均獲得灰度圖像；
14、將所述灰度圖像中每一列像素的灰度值作為一個整體，獲取灰度均值；
15、當所述灰度均值與前一列灰度均值的差值大于差值閾值時，將所述灰度圖像進行分割。
16、進一步的，所述判斷單元根據所述像素灰度值判斷是否存在異常像素點時，包括：
17、在所述子圖像數據中任意確定一點為原點；
18、以所述原點為圓心，r為鄰域半徑確定驗證半徑；
19、根據所述驗證半徑內各坐標點的像素灰度值計算驗證平均像素灰度值；
20、當所述原點的像素灰度值與驗證平均像素灰度值的差值大于所述差值閾值時，判定所述原點為異常像素點；
21、當所述子圖像數據中存在異常像素點時，所述判斷單元將所述子圖像數據與標準圖像數據進行比對確定相似度值；
22、當所述子圖像數據中不存在異常像素點時，所述判斷單元將所述子圖像數據作為正常圖像數據。
23、進一步的，所述判斷單元將存在異常像素點的子圖像數據與標準圖像數據進行比對確定相似度值時，包括：
24、所述判斷單元在所述標準圖像數據中提取與所述子圖像數據相同位置的標準子圖像數據，將所述子圖像數據與所述標準子圖像數據進行比對，獲得所述子圖像數據與所述標準子圖像數據的相似度；
25、所述判斷單元將所述相似度與正常相似度區間進行比對，當所述相似度值在所述正常相似度區間時，所述判斷單元將所述子圖像數據作為所述正常圖像數據；當所述相似度值未在所述正常相似度區間時，所述判斷單元將所述子圖像數據作為所述疑似缺陷片段。
26、進一步的，所述判斷單元獲得所述正常相似度區間時，包括：
27、所述判斷單元采集歷史正常圖像數據，并在歷史正常圖像數據中篩選與所述子圖像數據位置對應的歷史正常子圖像數據，獲取所有所述歷史正常子圖像數據與標準子圖像數據的相似度值并整合為相似度集，在所述相似度集中確定最大相似度值與最小相似度值，根據所述最大相似度值與最小相似度值確定所述正常相似度區間，所述正常相似度區間包括左邊界與右邊界。
28、進一步的，所述識別單元基于圖像識別對所述疑似缺陷片段進行特征識別時，包括：
29、當所述疑似缺陷片段中不存在缺陷時，所述識別單元將所述疑似缺陷片段作為所述正常圖像數據；
30、當所述疑似缺陷片段中存在缺陷時，所述識別單元提取缺陷特征，所述缺陷特征包括裂縫、坑洞以及剝離；
31、所述識別單元根據所有缺陷特征確定缺陷評分時，包括：
32、所述識別單元根據所述缺陷特征獲得缺陷面積與道路總面積的缺陷占比，根據所述缺陷占比確定缺陷評分，所述缺陷評分與所述缺陷占比成正比關系。
33、進一步的，所述調整單元根據所述缺陷評分確定下一次養護巡查策略時，包括：
34、所述調整單元將所述缺陷評分與評分閾值進行比對，根據比對結果確定下一次養護巡查策略；
35、當所述缺陷評分小于或等于評分閾值時，所述調整單元以所述巡查速度以及巡查間隔時長繼續運行；
36、當所述缺陷評分大于所述評分閾值時，所述調整單元根據所述缺陷評分對所述巡查間隔時長進行調整，以調整后的巡查間隔時長運行。
37、進一步的，所述調整單元根據所述缺陷評分對所述巡查間隔時長進行調整時，包括：
38、所述調整單元根據所述缺陷評分與所述評分閾值獲得評分差值，所述評分差值為所述缺陷評分與評分閾值的差值，所述調整單元將所述評分差值分別與第一預設差值和第二預設差值進行比對，根據比對結果確定調整系數對所述巡查間隔時長進行調整，所述調整系數取值范圍為[0.5，0.9]；
39、當所述評分差值小于或等于第一預設差值時，確定第一調整系數對所述巡查間隔時長進行調整；當所述評分差值大于第一預設差值且小于或等本文檔來自技高網...
【技術保護點】
1.一種基于人工智能的道路養護巡查系統，其特征在于，包括：
2.根據權利要求1所述的基于人工智能的道路養護巡查系統，其特征在于，所述采集單元根據所述道路信息確定巡查速度以及巡查間隔時長時，包括：
3.根據權利要求1所述的基于人工智能的道路養護巡查系統，其特征在于，所述處理單元對所述圖像數據進行灰度處理，并根據光影對所述圖像數據進行分割，獲得若干個子圖像數據時，包括：
4.根據權利要求3所述的基于人工智能的道路養護巡查系統，其特征在于，所述判斷單元根據所述像素灰度值判斷是否存在異常像素點時，包括：
5.根據權利要求4所述的基于人工智能的道路養護巡查系統，其特征在于，所述判斷單元將存在異常像素點的子圖像數據與標準圖像數據進行比對確定相似度值時，包括：
6.根據權利要求5所述的基于人工智能的道路養護巡查系統，其特征在于，所述判斷單元獲得所述正常相似度區間時，包括：
7.根據權利要求6所述的基于人工智能的道路養護巡查系統，其特征在于，所述識別單元基于圖像識別對所述疑似缺陷片段進行特征識別時，包括：
8.根
9.根據權利要求8所述的基于人工智能的道路養護巡查系統，其特征在于，所述調整單元根據所述缺陷評分對所述巡查間隔時長進行調整時，包括：
10.一種基于人工智能的道路養護巡查方法，應用于如權利要求1-9任一項所述的基于人工智能的道路養護巡查系統，其特征在于，包括：
...【技術特征摘要】
1.一種基于人工智能的道路養護巡查系統，其特征在于，包括：
2.根據權利要求1所述的基于人工智能的道路養護巡查系統，其特征在于，所述采集單元根據所述道路信息確定巡查速度以及巡查間隔時長時，包括：
3.根據權利要求1所述的基于人工智能的道路養護巡查系統，其特征在于，所述處理單元對所述圖像數據進行灰度處理，并根據光影對所述圖像數據進行分割，獲得若干個子圖像數據時，包括：
4.根據權利要求3所述的基于人工智能的道路養護巡查系統，其特征在于，所述判斷單元根據所述像素灰度值判斷是否存在異常像素點時，包括：
5.根據權利要求4所述的基于人工智能的道路養護巡查系統，其特征在于，所述判斷單元將存在異常像素點的子圖像數據與標準圖像數據進行比對確定相似度值時，包括：...
【專利技術屬性】
技術研發人員：董元帥，王廣山，陳功，錢振宇，張鴻，林生源，
申請(專利權)人：中國公路工程咨詢集團有限公司，
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。