摘要
本申请公开了一种智能道路检测的数据处理方法、系统及相关设备,涉及交通工程与人工智能交叉技术领域,在道路检测的过程中,采用带有动态调整的多传感器融合设备采集多源数据,基于深度强化学习的实时环境感知模型动态优化多模态传感器的参数,提升恶劣天气、环境下的数据采集质量。采用时空模型实现多源数据的毫米级对齐,引入生成对抗网络对时空对齐后的多源数据进行增强,以补充缺失数据细节,提高数据质量。通过样本学习的模型和元学习算法对多源数据进行病害智能识别,样本学习的模型解决微小病害数据标注样本不足问题,元学习算法在少量标注数据基础上快速泛化,识别早期裂缝、隐蔽性道路结构层缺陷等微小病害,提高道路病害识别的准确率。
技术关键词
生成对抗网络
智能道路
多传感器融合设备
长短期记忆网络
数据处理方法
动态
人工智能交叉技术
道路病害识别
环境感知模型
数据资产价值
少量标注数据
时序特征
图谱
多模态传感器
元学习算法
道路结构层