摘要
本公开提供了基于深度学习和地空协同的道路病害检测方法及系统,涉及道路检测智慧城市技术领域,包括设备调度与协同模块,用于获取巡检的路面裂缝图像以及地下病害雷达数据;数据处理模块,用于预处理获取的数据,将预处理后的路面裂缝图像输入至路面裂缝检测模型中,首先使用深度可分离卷积将卷积分解为深度卷积和逐点卷积,通过多尺度特征提取分别提取裂缝的局部特征和全局特征,得到路面裂缝的病害类型;将地下病害雷达数据输入至地下病害检测模型,地下病害检测模型使用轻量化的MobileNetV3作为骨干网络,结合特征金字塔网络和路径聚合网络,实现多尺度特征融合,并通过K‑Means聚类算法优化锚框生成策略,输出得到地下病害病害类型以及位置。
技术关键词
路面裂缝图像
路面裂缝检测
特征金字塔网络
多尺度特征融合
多尺度特征提取
历史数据管理
道路病害检测方法
神经网络架构
非暂态计算机可读存储介质
雷达
检测智慧城市
路面裂缝病害
日志
数据处理模块
轻量型
系统为您推荐了相关专利信息
融合神经网络
点识别方法
倾斜摄影三维模型
数字高程模型
高分辨率遥感影像
表面缺陷检测方法
高压电缆
表面缺陷检测系统
算法框架
多级特征融合
调查监测方法
多尺度特征提取
视觉特征编码
图像
特征选择
状态识别方法
边缘检测
融合边缘特征
光谱分析
边界特征