摘要
本发明属于路面病害检测技术领域,具体涉及一种车载路面病害检测系统,包括采集组件模块以及处理模块,采集模块通过车顶部的摄像机完成路面图像采集,并将采集到的路面图像数据发送至处理模块,处理模块通过车内部的计算机内部运行有基于YOLOv11算法集成混合注意力机制和多尺度特征融合的深度学习模型,处理模块使用深度学习模型,对路面图像数据进行处理,输出路面病害检测结果。本发明能够精准识别路面裂缝、坑槽等病害,检测精度达90%以上,单张图片检测速度提升至≥10张/秒。系统将路面病害检测效率提升3倍,道路养护成本降低50%。同时系统对复杂环境下的小目标病害检测精度提升12%,显著提高了病害识别的准确性和可靠性。
技术关键词
车载路面
路面病害检测
神经网络架构
深度学习模型
多尺度特征融合
通道注意力机制
识别路面裂缝
图像
采集组件
车顶部
模块
语义特征提取
全局平均池化
数据
系统为您推荐了相关专利信息
加密恶意流量
实体
加密流量识别
特征融合技术
交叉注意力机制
建设光伏电站
稳定性评价方法
像素
稳定性评价装置
训练深度学习模型
作业监测方法
设备状态数据
动作列表
虚拟现实训练
深度学习模型