一种沥青路面隐伏病害检测方法及设备与流程

本技术涉及但不限于图像处理、人工智能，尤其涉及一种沥青路面隐伏病害检测方法及设备。

背景技术：

1、随着交通基础设施建设的快速发展，沥青路面因其优良的行驶性能和较低的维护成本而得到广泛应用。然而，随着使用时间的增长，沥青路面不可避免地会出现各种隐伏病害，如裂缝、坑槽等，这些病害严重影响了道路的使用寿命和行车安全。因此，对沥青路面进行准确及时的隐伏病害检测显得尤为重要。

2、目前，传统的沥青路面隐伏病害检测方法主要依赖于人工巡检和目视判断，但这种方法效率低下，且受限于巡检人员的经验和技能水平，难以保证检测的准确性和一致性。近年来，随着雷达技术的发展，雷达成像技术被引入到沥青路面隐伏病害检测中，其能够穿透路面表层，获取更深层次的内部结构信息，能够提前发现隐伏病害，为病害检测提供了新的可能。

3、然而，现有的雷达成像技术在沥青路面隐伏病害检测中仍存在诸多挑战。一方面，由于雷达信号的复杂性和沥青路面的非均匀性，雷达成像图像往往包含大量的噪声和干扰信息，给病害识别带来了困难。另一方面，沥青路面隐伏病害种类繁多，形态各异，不同病害在雷达成像图像上的表现也存在较大差异，这进一步增加了病害检测的难度。换言之，现有技术对沥青路面隐伏病害检测的准确性有待提高。

技术实现思路

1、有鉴于此，本技术实施例至少提供一种沥青路面隐伏病害检测方法及设备。本技术实施例的技术方案是这样实现的：

2、一方面，本技术实施例提供一种沥青路面隐伏病害检测方法，所述方法包括：获取拟进行病害检测的沥青路面雷达成像图像和所述沥青路面雷达成像图像对应的多个参考检测信息，所述多个参考检测信息包括所述沥青路面雷达成像图像对应的被确认过的过往参考检测信息；依据所述多个参考检测信息对应的设定路面病害分类，确定所述沥青路面雷达成像图像的候选路面病害种类信息；其中，所述候选路面病害种类信息包括所述沥青路面雷达成像图像对应多类设定路面病害分类的候选置信度；依据所述沥青路面雷达成像图像和所述候选路面病害种类信息，获取所述沥青路面雷达成像图像的整合表征向量；依据所述整合表征向量对所述沥青路面雷达成像图像进行病害检测，得到所述沥青路面雷达成像图像的预估病害检测结果；其中，所述预估病害检测结果包括所述沥青路面雷达成像图像对应于所述多种设定路面病害分类的预估置信度，所述预估病害检测结果用于确定所述沥青路面雷达成像图像对应的设定路面病害分类。

3、在一些实施例中，所述依据所述多个参考检测信息对应的设定路面病害分类，确定所述沥青路面雷达成像图像的候选路面病害种类信息，包括：获取每一类设定路面病害分类的数目q1，所述数目q1为所述多个参考检测信息中属于所述设定路面病害分类且被确认过的过往参考检测信息的个数；将每一类设定路面病害分类的数目q1和所述多个参考检测信息的总个数间的第一作商结果作为每一类设定路面病害分类对应的候选置信度。

4、在一些实施例中，所述多个参考检测信息还包括所述沥青路面雷达成像图像对应的被否认过的过往参考检测信息；所述依据所述多个参考检测信息对应的设定路面病害分类，确定所述沥青路面雷达成像图像的候选路面病害种类信息，包括：获取每一类设定路面病害分类的数目q2，所述数目q2为所述多个参考检测信息中属于所述设定路面病害分类的过往参考检测信息的个数；获取每一类设定路面病害分类的所述数目q2和所述多个参考检测信息的总个数间的第二作商结果；获取每一类设定路面病害分类的数目q3，所述数目q3为所述多个参考检测信息中属于所述设定路面病害分类且被确认过的过往参考检测信息的个数；获取每一类设定路面病害分类的所述数目q3和被确认过的过往参考检测信息的总个数间的第三作商结果；分别将每一类设定路面病害分类的所述第二作商结果和所述第三作商结果进行权重平均，得到每一类设定路面病害分类对应的候选置信度。

5、在一些实施例中，所述依据所述整合表征向量对所述沥青路面雷达成像图像进行病害检测，得到所述沥青路面雷达成像图像的预估病害检测结果，包括：依据所述整合表征向量，抽取多个通道的投影表征向量；依据所述整合表征向量，获取每一类设定路面病害分类的影响系数集合，所述影响系数集合包括所述多个通道的影响系数，所述影响系数表示一个图像在所述通道上的表征信息对所述图像是否为所述设定路面病害分类的贡献度；依据每一类设定路面病害分类的影响系数集合中的多个影响系数，分别对所述多个通道的投影表征向量进行权重平均，得到每一类设定路面病害分类的类型表征向量；分别依据每一类设定路面病害分类的类型表征向量对所述沥青路面雷达成像图像进行病害检测，得到每一类设定路面病害分类对应的预估置信度。

6、在一些实施例中，所述依据所述整合表征向量对所述沥青路面雷达成像图像进行病害检测，得到所述沥青路面雷达成像图像的预估病害检测结果之后，所述方法还包括：将所述预估置信度最大的设定路面病害分类作为所述沥青路面雷达成像图像对应的设定路面病害分类；依据所述沥青路面雷达成像图像对应的设定路面病害分类和所述沥青路面雷达成像图像对应的多个待定参考检测信息对应的设定路面病害分类，确定所述沥青路面雷达成像图像与每个待定参考检测信息间的关联系数；将关联系数符合关联系数要求的待定参考检测信息作为依据所述沥青路面雷达成像图像确定的目标检测信息；所述依据所述多个参考检测信息对应的设定路面病害分类，确定所述沥青路面雷达成像图像的候选路面病害种类信息之前，所述方法还包括：获取事先存储的待定参考检测信息对应的多个路面病害分类；获取每一路面病害分类对应的数目q4，所述数目q4为事先存储的属于所述路面病害分类的待定参考检测信息的个数；将所述数目q4符合数目阈值的多个路面病害分类作为所述多种设定路面病害分类。

7、在一些实施例中，雷达成像图像检测网络包括表征向量抽取组件和病害检测组件，所述依据所述沥青路面雷达成像图像和所述候选路面病害种类信息，获取所述沥青路面雷达成像图像的整合表征向量，包括：通过所述表征向量抽取组件，依据所述沥青路面雷达成像图像和所述候选路面病害种类信息，获取所述整合表征向量；所述依据所述整合表征向量对所述沥青路面雷达成像图像进行病害检测，得到所述沥青路面雷达成像图像的预估病害检测结果，包括：通过所述病害检测组件，依据所述整合表征向量对所述沥青路面雷达成像图像进行病害检测，得到所述预估病害检测结果。

8、在一些实施例中，所述雷达成像图像检测网络通过以下步骤调试得到：获取第一沥青路面雷达成像图像样例和所述第一沥青路面雷达成像图像样例对应的多个样例参考检测信息，所述样例参考检测信息包括所述第一沥青路面雷达成像图像样例对应的被确认过的过往参考检测信息；依据所述多个样例参考检测信息对应的设定路面病害分类，确定所述第一沥青路面雷达成像图像样例的第一候选路面病害种类信息，所述第一候选路面病害种类信息包括所述第一沥青路面雷达成像图像样例对应于所述多种设定路面病害分类的样例候选置信度；通过所述表征向量抽取组件，依据所述第一沥青路面雷达成像图像样例和所述第一候选路面病害种类信息，获取所述第一沥青路面雷达成像图像样例的样例整合表征向量；通过所述病害检测组件，依据所述样例整合表征向量对所述第一沥青路面雷达成像图像样例进行病害检测，得到第一预估病害检测结果，所述第一预估病害检测结果包括所述第一沥青路面雷达成像图像样例对应于所述多种设定路面病害分类的样例预估置信度；依据所述第一沥青路面雷达成像图像样例的第一先验病害检测结果和所述第一预估病害检测结果，调试所述雷达成像图像检测网络，使得调试完成的所述雷达成像图像检测网络得到的第一预估病害检测结果与所述第一先验病害检测结果间的误差降低，所述第一先验病害检测结果包括所述第一沥青路面雷达成像图像样例对应于所述多种设定路面病害分类的实际置信度。

9、在一些实施例中，所述表征向量抽取组件包括第一抽取单元、第二抽取单元和表征信息交互单元，所述通过所述表征向量抽取组件，依据所述第一沥青路面雷达成像图像样例和所述第一候选路面病害种类信息，获取所述第一沥青路面雷达成像图像样例的样例整合表征向量，包括：通过所述第一抽取单元，抽取所述第一沥青路面雷达成像图像样例的样例图像表征向量；通过所述第二抽取单元，抽取所述第一候选路面病害种类信息的样例病害信息表征向量；通过所述表征信息交互单元，将所述样例图像表征向量和所述样例病害信息表征向量进行交互整合，得到所述样例整合表征向量；所述病害检测组件包括多个通道对应的表征向量投影单元、每一类设定路面病害分类的权重调节单元和病害识别单元；所述通过所述病害检测组件，依据所述样例整合表征向量对所述第一沥青路面雷达成像图像样例进行病害检测，得到第一预估病害检测结果，包括：分别通过多个表征向量投影单元，依据所述样例整合表征向量，抽取所述多个通道的样本投影表征向量；分别通过每一类设定路面病害分类的权重调节单元，依据所述样例整合表征向量，获取每一类设定路面病害分类的影响系数集合，所述影响系数集合包括所述多个通道的影响系数，所述影响系数表示一个图像在所述通道上的表征信息对所述图像是否为所述设定路面病害分类的贡献度；分别通过每一类设定路面病害分类的权重调节单元，依据每一类设定路面病害分类的影响系数集合中的多个影响系数，对所述多个通道的样本投影表征向量进行权重平均，得到每一类设定路面病害分类的样本类型表征向量；分别通过每一类设定路面病害分类的病害识别单元，依据每一类设定路面病害分类的样本类型表征向量对所述第一沥青路面雷达成像图像样例进行病害检测，得到每一类设定路面病害分类对应的样例预估置信度。

10、在一些实施例中，所述依据所述第一沥青路面雷达成像图像样例的第一先验病害检测结果和所述第一预估病害检测结果，调试所述雷达成像图像检测网络之后，所述方法还包括：获取第二沥青路面雷达成像图像样例，将设定路面病害分类信息作为所述第二沥青路面雷达成像图像样例的第二候选路面病害种类信息，所述第二候选路面病害种类信息包括所述第二沥青路面雷达成像图像样例对应于所述多种设定路面病害分类的样例候选置信度；通过所述表征向量抽取组件，依据所述第二沥青路面雷达成像图像样例和所述第二候选路面病害种类信息，获取所述第二沥青路面雷达成像图像样例的样例整合表征向量；通过所述病害检测组件，依据所述样例整合表征向量对所述第二沥青路面雷达成像图像样例进行病害检测，得到第二预估病害检测结果，所述第二预估病害检测结果包括所述第二沥青路面雷达成像图像样例对应于所述多种设定路面病害分类的样例预估置信度；依据所述第二沥青路面雷达成像图像样例的第二先验病害检测结果和所述第二预估病害检测结果，调试所述雷达成像图像检测网络，使得调试完成的所述雷达成像图像检测网络得到的第二预估病害检测结果与所述第二先验病害检测结果间的误差降低，所述第二先验病害检测结果包括所述第二沥青路面雷达成像图像样例对应于所述多种设定路面病害分类的实际置信度。

11、在一些实施例中，所述依据所述第一沥青路面雷达成像图像样例的第一先验病害检测结果和所述第一预估病害检测结果，调试所述雷达成像图像检测网络，使得调试完成的所述雷达成像图像检测网络得到的第一预估病害检测结果与所述第一先验病害检测结果间的误差降低，包括：依据每一类设定路面病害分类对应的代价影响系数，对每一类设定路面病害分类的样例预估置信度与实际置信度间的交叉熵进行权重平均，得到代价参变量，所述样例预估置信度和实际置信度间的共性程度与所述交叉熵反向关联；依据所述代价参变量，调试所述雷达成像图像检测网络，调节所述代价影响系数，令依据调试完成的所述雷达成像图像检测网络与调节后的所述代价影响系数所得到的代价参变量降低。

12、第二方面，本技术提供一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以上所述方法中的步骤。

13、本技术的技术效果至少包括：本技术提供的沥青路面隐伏病害检测方法及设备，由于沥青路面雷达成像图像与被确认过的过往参考检测信息具有关联，即能被过往信息指导以综合评估当前状态。那么，基于被确认过的过往参考检测信息对应的设定路面病害分类，可以预先确定沥青路面雷达成像图像对应多类设定路面病害分类的候选置信度，接着基于该沥青路面雷达成像图像和对应的候选置信度进行病害检测，确定沥青路面雷达成像图像对应多类设定路面病害分类的预估置信度。由于沥青路面雷达成像图像对应的设定路面病害分类与被确认过的过往参考检测信息对应的设定路面病害分类一致的概率较高，那么除了沥青路面雷达成像图像，还引入被确认过的过往参考检测信息对应的设定路面病害分类进行辅助分析，以被确认过的过往参考检测信息对应的设定路面病害分类为对标，联合沥青路面雷达成像图像自身对沥青路面雷达成像图像进行分析，帮助增加对沥青路面雷达成像图像进行病害检测的精度。