一种基于Mask R-CNN与迁移学习的路面病害检测方法及系统

本发明公开了一种基于Mask R‑CNN与迁移学习的路面病害检测方法及系统，包括：收集路面病害图像形成数据集；使用Labelme标注工具对数据集进行病害标注；利用优化的Stable Diffusion 3.5 Large模型对标注的道路病害数据集进行扩充；通过多种骨干特征提取架构从扩充后的道路病害数据集中进行多尺度特征提取，基于尺度互补特征融合网络即SCFN对提取的多尺度特征进行融合，基于融合的多尺度特征，构建基于Mask R‑CNN的最优检测模型；利用最优检测模型量化待检测病害图像，完成在复杂道路背景下病害检测。本发明有效解决复杂背景下的多类型多目标的路面病害检测以及像素量化问题。