公开(公告)号：CN114937033B

公开(公告)日：2024-12-20

申请号：CN202210741090.4

申请日：2022-06-27

Applicant: 辽宁工程技术大学

Inventor： 宋伟东 ,  张在岩 ,  朱洪波

IPC: G06T7/00 ,  G06T7/10 ,  G06V10/26 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  E01C23/01 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于深度卷积神经网络的农村公路路面病害智能检测方法，步骤为：制作多类型农村公路路面病害训练数据集；构建基于全卷积网络的语义分割模型；使用Adam优化器对模型训练过程进行优化；有重叠地裁剪图像并在拼接时采取忽略边缘策略，大图像裁剪成一系列与相邻图像块有特定重复区域的图像块，并把它们存在链表里，然后创建生成器，之后送入训练号的模型进行预测；多类型路面病害分类及损坏状况评定；通过开发路面技术状况评价系统。本发明能够解决因裁剪图像边缘区域的上下文信息较少，预测结果精度较低，进而导致提取病害出现明显拼接痕迹的问题，实现高分辨率图像中病害预测结果的准确性、连续性。

公开(公告)号：CN114937033A

公开(公告)日：2022-08-23

申请号：CN202210741090.4

申请日：2022-06-27

Applicant: 辽宁工程技术大学

Inventor： 宋伟东 ,  张在岩 ,  朱洪波

IPC: G06T7/00 ,  G06T7/10 ,  G06V10/26 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  E01C23/01 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度卷积神经网络的农村公路路面病害智能检测方法，步骤为：制作多类型农村公路路面病害训练数据集；构建基于全卷积网络的语义分割模型；使用Adam优化器对模型训练过程进行优化；有重叠地裁剪图像并在拼接时采取忽略边缘策略，大图像裁剪成一系列与相邻图像块有特定重复区域的图像块，并把它们存在链表里，然后创建生成器，之后送入训练号的模型进行预测；多类型路面病害分类及损坏状况评定；通过开发路面技术状况评价系统。本发明能够解决因裁剪图像边缘区域的上下文信息较少，预测结果精度较低，进而导致提取病害出现明显拼接痕迹的问题，实现高分辨率图像中病害预测结果的准确性、连续性。

公开(公告)号：CN114359864A

公开(公告)日：2022-04-15

申请号：CN202111613471.6

申请日：2021-12-27

Applicant: 辽宁工程技术大学

Inventor： 宋伟东 ,  朱洪波 ,  张在岩

IPC: G06V20/58 ,  G06V10/764 ,  G06V10/82 ,  G06V10/20 ,  G06F16/51 ,  G06F16/55 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了基于正射影像的路面病害检测方法、系统及可存储介质，属于路面病害检测技术领域，包括：获取实测路面正射影像，组成路面病害基准影像数据库，并进行预处理；对路面病害基准影像数据库中的病害数据进行分类，根据预处理结果以及分类结果组成路面病害基准数据集；构建YOLOv5深度学习网络模型，将YOLOv5深度学习网络模型在路面病害基准数据集上进行集成训练，获得多个不同尺度的最佳训练权重模型基于不同尺度的最佳训练权重模型对实测路面正射影像进行集成检测，得到检测结果，实现路面病害实时检测。本发明解决了现有路面检测系统运算时间长、检测类型有限的问题，能在公路质检工作中对公路进行全类型、高精度、快速检测。