路面缺陷检测模型建立方法、检测方法、存储介质及设备

本发明属于路面检测，尤其是一种路面缺陷检测模型建立方法、检测方法、存储介质及设备。

背景技术：

1、公路路面常出现裂纹、坑槽等缺陷，这些缺陷会影响行车安全，因此，需要及时对受损的路面进行处理，而及时处理的前提是能够及时、准确地识别出路面缺陷。

2、目前，图像识别是路面缺陷检测的重要手段，cn202111458712公开了一种路面缺陷损伤实时监测方法及系统，包括获取道路图形数据，预处理，数据增强，构建训练模型，训练等步骤，其中，图像增强技术采用放射变换，并不能得到不同类型路面的数据集。

3、cn113592784a公开了一种基于yolo v5的多阈值半监督道路异常病害智能检测方法，包括收集路面异常病害图像，组成教师样本集，并对教师样本集进行预处理，得到初始训练数据集；训练yolo v5目标检测网络，得到初始教师模型；进一步收集真实场景路面图像数据，基于多阈值方式，形成学生样本集；将教师样本集进行强数据增强、学生样本集进行弱数据增强，在初始教师模型的基础上进行模型的训练，得到进化教师模型；持续收集真实场景路面图像数据，不断优化进化教师模型，最终得到目标路面病害识别检测网络；进行道路异常病害智能检测。其图像增强为：对图像进行水平翻转、90度、270度旋转、整数平移和直方图均衡化操作，得到增广后的教师样本集数据，也不能得到不同类型路面的数据集。

4、cn115187583a公开了一种基于改进yolov5的轻量化道路缺陷检测方法，所述检测方法包括以下步骤：获取道路缺陷检测数据集grddc；将yolov5模型的主干网络用ghostnet轻量化网络替代；引入了度量学习中的中心损失函数；对yolov5中的置信度损失和分类损失函数进行约束,得到新的损失函数；将改进后的yolov5模型中进行训；将测试集中的图像输入改进后yol0v5目标检测模型中,得到该模型在测试集中的检测结果。该发明检测方法在初始yolov5目标检测模型的基础上利用ghostnet模块替换yolov5中的主干网络进行特征提取,使得网络更好服务于移动端，采用注意力机制ca更加关注通道之间的信息，更好的分配权重，保证了模型目标检测的准确率，利用中心损失作为正则化项对模型损失函数约束。从而更加准确检测缺陷的类别。图像增强技术为：将输入图像送入改进后的目标检测模型中，通过主干网络的特征提取，再经过加入注意力机制ca提高通道信息，进行特征增强。也不能得到不同类型路面的数据集。

5、可见，现有的图像增强技术不能得到不同类型路面且准确的数据集。此外，预处理仅仅对图像进行打标签，病害特征不够明显。另外，训练时，常用的r-cnn算法和yolo系列算法inference速度不够快。

技术实现思路

1、本发明所要解决的技术问题是提供一种路面缺陷检测模型建立方法、检测方法、存储介质及设备，图像增强处理能够得到不同类型路面的数据集，从而增加数据集，并且对病害图片的预处理能够使得病害特征更加明显，提高检测的准确性。

2、为解决上述问题，本发明采用的技术方案为：路面缺陷检测模型建立方法，包括

3、s1、获取路面图像组成的原始数据集；

4、s2、通过cyclegan网络将原始数据集中的图像转换为其他类型路面的正常图像，得到增强正常数据集；

5、s3、对原始数据集的病害图像打标签，然后通过scharr滤波器求解打上标签的病害图像，得到x方向上的梯度和y方向的梯度，并将x方向和y方向的图像进行融合，得到特征明显的病害图；

6、s4、将特征明显的病害图上的病害特征裁剪下来，并添加至增强正常数据集上，得到增强病害数据集；

7、s5、将原始数据集与增强病害数据集结合，输入训练模型进行训练，得到路面缺陷检测模型。

8、2、如权利要求1所述的路面缺陷检测模型建立方法，其特征在于，步骤s5中，训练模型为集成卷积块注意力模块的yolov5网络，卷积块注意力模块包括通道注意力模块和空间注意力模；

9、训练时，根据通道注意力公式，获取需要的最为重要的通道，再通过激活函数获得非线性化的一维卷积；一维卷积与原有的向量图结合生成新的向量图，再通过空间注意力公式获得两个池化特征图，之后根据激活函数获得新的特征图。

10、进一步地，步骤s3中，采用labelimg，手动对原始数据集的病害图像打标签。

11、路面缺陷检测方法，获取采集的路面图像，将路面图像输入上述路面缺陷检测模型，得到检测结果。

12、存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现权利要求4所述的方法。

13、路面缺陷检测设备，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于调取所述计算机程序并实现上述路面缺陷检测方法。

14、本发明的有益效果是：1、通过cyclegan网络将原始数据集中的图像转换为其他类型路面的正常图像，然后将病害特征添加到转换后的正常图像上，可以得到更多的病害图像，扩大数据集。如将水泥路面的图像通过cyclegan网络转换为正常的沥青路面图像和大理石路面图像，图像的数量则增加了2倍，数据集扩大效果好。

15、2、采用scharr滤波器对病害图像进行预处理，病害特征更加明显，计算机能够更加准确、快速地识别病害种类。

技术特征：

1.路面缺陷检测模型建立方法，其特征在于，包括

2.如权利要求1所述的路面缺陷检测模型建立方法，其特征在于，步骤s5中，训练模型为集成卷积块注意力模块的yolov5网络，卷积块注意力模块包括通道注意力模块和空间注意力模；

3.如权利要求1所述的路面缺陷检测模型建立方法，其特征在于，步骤s3中，采用labelimg，手动对原始数据集的病害图像打标签。

4.路面缺陷检测方法，其特征在于，获取采集的路面图像，将路面图像输入权利要求1、2或3建立的路面缺陷检测模型，得到检测结果。

5.存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求4所述的方法。

6.路面缺陷检测设备，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器用于调取所述计算机程序并实现权利要求4所述的方法。

技术总结
本发明涉及路面缺陷检测模型建立方法、检测方法、存储介质及设备，模型建立方法包括S1、获取原始数据集；S2、通过CycleGan网络将原始数据集中的图像转换为其他类型路面的正常图像，得到增强正常数据集；S3、对原始数据集的病害图像打标签，然后通过Scharr滤波器求解打上标签的病害图像，得到特征明显的病害图；S4、将特征明显的病害图上的病害特征裁剪下来，并添加至增强正常数据集上，得到增强病害数据集；S5、将原始数据集与增强病害数据集结合，输入训练模型进行训练，得到路面缺陷检测模型。本发明能够得到不同类型路面的数据集，从而增加数据集，并且对病害图片的预处理能够使得病害特征更加明显，提高检测的准确性。

技术研发人员：李征骥,肖熙,李欣瑞,范宇霄,谢育宏,代长悫,李美慧,熊发展,黄柏匀,葛雨棵,吴雨桐,龚承瑜
受保护的技术使用者：成都锦城学院
技术研发日：
技术公布日：2024/1/12