申请/专利权人：苏州大学

申请日：2022-07-19

公开（公告）日：2022-09-13

公开（公告）号：CN115047008A

主分类号：G01N21/88

分类号：G01N21/88;G06N3/04;G06N3/08;G06T7/00;G06T7/70;G06T7/80

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.09.30#实质审查的生效;2022.09.13#公开

摘要：本申请公开了一种基于FasterR‑CNN的道路裂纹检测系统，属于图像处理技术领域。其包括：监控采样设备、与监控采样设备建立有通信连接的检测计算机子系统；监控采样设备，用于使用预设检测方式对待检测目标物进行检测，得到待检测目标物的图像数据，图像数据中包括待检测目标物上的若干个实际检测点；基于通信连接将图像数据发送至检测计算机子系统；检测计算机子系统，用于在接收到图像数据后，获取预先训练的验证识别逻辑模型，将图像数据输入验证识别逻辑模型，对裂纹检测识别。可以提高道路裂纹识别的效率。

主权项：1.一种基于FasterR-CNN的道路裂纹检测系统，其特征在于，所述系统包括：监控采样设备、与所述监控采样设备建立有通信连接的检测计算机子系统；所述监控采样设备，用于使用预设检测方式对待检测目标物进行检测，得到所述待检测目标物的图像数据，所述图像数据中包括所述待检测目标物上的若干个实际检测点；基于所述通信连接将所述图像数据发送至所述检测计算机子系统；其中，所述预设检测方式包括单应性矩阵法和或棋盘标定法；所述检测计算机子系统，用于在接收到所述图像数据后，获取预先训练的验证识别逻辑模型，将所述图像数据输入所述验证识别逻辑模型，对裂纹检测识别；其中，所述验证识别逻辑模型包括FasterR-CNN子模型、BP神经网络子模型和LSTM神经网络子模型，所述BP神经网络子模型与所述LSTM神经网络子模型并联，并分别与所述FasterR-CNN子模型连接。

全文数据：

权利要求：

百度查询： 苏州大学 基于Faster R-CNN的道路裂纹检测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD