申请/专利权人：武汉纺织大学

申请日：2024-01-30

公开（公告）日：2024-03-05

公开（公告）号：CN117649633A

主分类号：G06V20/40

分类号：G06V20/40;G06V10/40;G06V10/80;G06T7/181

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.22#实质审查的生效;2024.03.05#公开

摘要：本发明公开了一种用于高速公路巡检的路面坑洼检测方法，所述方法包括以下步骤：S1：设计适用于解析高速公路路面图像的路面图像解析模型，所述路面图像解析模型包括全局感知模块、特征增强模块、特征提取模块、注意力增强模块、特征补充模块和结果模块；S2：训练设计好的路面图像解析模型，得到训练好的路面图像解析模型；S3：使用训练好的路面图像解析模型来实时解析路面图片，检测到路面坑洼后，根据所述路面图像解析模型预测的位置信息生成路面坑洼的边界框，显示在原图像上。本发明通过设计适用于解析高速公路路面图像的路面图像解析模型，提升了路面坑洼检测的效率，节省了人力统计成本，为高速公路养护和规划提供准确信息和可靠数据支持。

主权项：1.一种用于高速公路巡检的路面坑洼检测方法，其特征在于，所述方法包括以下步骤：S1：设计适用于解析高速公路路面图像的路面图像解析模型，所述路面图像解析模型包括全局感知模块、特征增强模块、特征提取模块、注意力增强模块、特征补充模块和结果模块，其步骤具体包括：S11：输入图像经过所述全局感知模块计算全局空间信息，得到全局感知模块特征；S12：输入图像经过所述特征增强模块处理，增强路面图像解析模型对图像中坑洼部分的特征提取权重，得到特征增强模块特征；S13：将所述特征增强模块特征送入特征提取模块，得到特征提取模块特征；S14：将所述特征提取模块特征送入注意力增强模块，得到注意力权重；S15：将所述注意力权重与特征提取模块特征相乘后送入特征补充模块，得到特征补充模块特征；S16：将所述全局感知模块特征、特征补充模块特征进行融合得到融合特征，所述融合特征送入结果模块，得到预测目标的置信度、位置信息与类别并输出；S2：训练设计好的路面图像解析模型，得到训练好的路面图像解析模型；S3：使用训练好的路面图像解析模型来实时解析路面图片，检测到路面坑洼后，根据所述路面图像解析模型预测的位置信息生成路面坑洼的边界框，显示在原图像上。

全文数据：

权利要求：

百度查询： 武汉纺织大学 一种用于高速公路巡检的路面坑洼检测方法

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