摘要
本发明涉及道路裂缝检测领域,尤其涉及一种车载式轻量化道路裂缝检测方法。本发明通过引入双重卷积结构、FRM模块以及SEFN模块,有效降低了计算复杂度和内存需求,提升了推理速度。双重卷积通过并行卷积核优化性能与计算效率,FRM通过融合局部与全局信息强化裂缝检测精度,而SEFN利用多分支结构实现低成本的多尺度特征融合。这些创新不仅提升了模型在边缘设备上的实时检测能力,还保证了在计算资源受限的环境中的高效运行。本发明的YOLO11模型的轻量化设计不仅提高了推理速度,还能够在边缘设备上快速部署,减少了处理延迟,适应了边缘设备的计算限制,从而提升了道路裂缝检测的准确性和效率,实现了高效、精准的路面状况评估。
技术关键词
裂缝检测方法
卷积神经网络模型
自主避障功能
计算资源受限
智能无人车
控制无人车
多分支结构
原始图像数据
计算机装置
模块
计算机程序产品
处理器
注意力机制
分布特征
闭环控制
主控制器
系统为您推荐了相关专利信息
多模态网络
状态评估方法
带标签
RBM模型
卷积神经网络模型
动态称重方法
参数更新模块
皮尔逊相关系数
卷积神经网络模型
加权损失函数
轨道
空间态势感知
矩阵
航迹关联方法
构建卷积神经网络
边界层高度反演方法
风廓线雷达
反演边界层高度
反演模型
大气廓线