公开(公告)号：CN116310277A

公开(公告)日：2023-06-23

申请号：CN202211269540.0

申请日：2022-10-17

Applicant: 辽宁工程技术大学

Inventor： 戴激光 ,  孔天宇 ,  申子墨

IPC: G06V10/22 ,  G06V10/77 ,  G06V10/774 ,  G06V20/52

Abstract: 本发明依据路面井盖病害在街景影像中的视觉表征特点，公开了一种基于改进YOLOv5的路面井盖病害检测方法。本发明具体方法包括改进网络模型的Backbone及Output两个部分。本发明首先在YOLOv5的基础上，提出新的主干网络以增强网络的特征提取能力；其次，通过在网络Backbone中应用CBAM注意力机制，减少由于背景信息干扰而引发的误检测；最后，在网络输出端增加一个检测层，来实现网络特征的充分利用，提升网络检测图像中小目标井盖的能力。本方法解决现有方法检测井盖病害精度较低且不完全的问题，可快速准确检测路面井盖病害，排除道路安全隐患，具有一定的实用意义。

公开(公告)号：CN115546167A

公开(公告)日：2022-12-30

申请号：CN202211265345.0

申请日：2022-10-17

Applicant: 辽宁工程技术大学

Inventor： 戴激光 ,  申子墨 ,  谷越

IPC: G06T7/00

Abstract: 本发明公开了一种基于拓扑连接性的深度学习道路提取结果优化方法，步骤为：输入深度学习道路提取结果影像数据；对深度学习道路提取结果的边缘提取线段进行有序排列；利用线段相位计算和线段相位约束找到断裂截面的位置；检测断裂截面所属的道路方向、道路宽度和断点位置三个属性；依据断裂截面属性，确定不同断裂截面的匹配关系，对断裂截面连接并优化。本发明按照断裂截面找寻、断裂截面属性确定、断裂截面匹配连接三个步骤，解决了断裂截面非规则、断裂截面属性信息难以提取、断裂截面匹配存在多义性三个问题，可以更好优化长距离断裂区域和局部复杂断裂区域，对不同类型深度学习模型进行道路提取优化具有较好的普适性。