摘要
本发明涉及道路病害检测技术领域,特别涉及一种面向复杂背景的轻量化无人机航拍道路病害检测方法及系统,获取无人机航拍的道路病害影像数据,并进行预处理;将预处理后的影像数据输入至CSGEH‑YOLO模型中进行特征提取、融合和检测;输出道路病害的检测结果。其中,所述CSGEH‑YOLO模型包括:骨干网络中的C2f‑Star‑CAA特征提取结构,简称CSC特征提取结构,用于增强复杂场景特征的细节捕捉能力和全局特征提取能力;在颈部引入改进的广义泛化特征金字塔网络GFPN,用于融合不同尺度的特征信息;轻量化检测头EP‑Detect,用于降低模型的计算复杂度和参数量;总损失函数中通过融入WiseIoUv3损失函数优化边界框回归。本发明能有效检测复杂场景下的道路病害,显著平衡了精度与计算效率。
技术关键词
道路病害检测方法
轻量化无人机
YOLO模型
航拍
特征金字塔网络
全局特征提取
损失函数优化
输出特征
跨尺度特征融合
影像
场景特征
全局平均池化
上下文特征
非线性特征
分层特征
通道
模块
系统为您推荐了相关专利信息
YOLO模型
实时检测方法
残差模块
无人机红外图像
反无人机技术
深度学习图像处理
关键点
红外监控摄像机
多模态
特征金字塔网络
荔枝果实
中间层
估计方法
荔枝产量
AdaBoost算法
实景三维模型
实景三维建模方法
影像
纹理
像素点