一种基于多模态大模型和实例分割算法的道路病害智能识别评估方法

本发明公开了一种基于多模态大模型和实例分割算法的道路病害智能识别评估方法，属于道路健康监测领域。该方法包括：采集道路表观的病害图像数据，构建原始数据集；基于实例分割（Mask‑RCNN等）深度学习方法训练道路表观病害识别模型；构建基于参数状态迁移的多模态提示工程框架，生成领域自适应问答数据集；收集历史病害数据、与道路病害相关的专业知识和评估标准，构建专业知识编译框架，生成多模态大模型病害评估数据集；基于多模态大模型融合规范符合度函数的协同优化方法，对训练结果进行优化，形成领域专用大模型；基于微调的专用大模型，构建端到端道路病害智能识别评估体系。通过该方法，能够解决传统道路表观检测方法依赖人工经验、效率低下的问题，同时利用大模型构建专业的道路状况评估体系。