申请/专利权人：黑龙江大学

申请日：2024-01-12

公开（公告）日：2024-04-12

公开（公告）号：CN117876334A

主分类号：G06T7/00

分类号：G06T7/00;G06T3/40;G06N3/0464;G06N3/08;G06T3/4007;G06V10/80;G06V10/82;G06V10/764

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：基于动态蛇形卷积的智能驾驶道路裂缝检测方法，涉及路面检测技术领域。本发明是为了解决现有道路裂缝检测方法还存在检测速度慢的问题。本发明包括：获取待检测道路图像，对待检测道路图像进行预处理，将处理后的待检测道路图像输入到训练好的裂缝检测网络中，获得裂缝检测结果；所述对待检测道路图像进行预处理包括：Mosaic数据增强、自适应锚框计算、自适应图片缩放；所述裂缝检测结果包括：横向裂缝、纵向裂缝、网状裂缝、路面坑洼；训练好的裂缝检测网络，通过以下方式获得：获取道路裂缝数据集，并对道路裂缝数据集进行预处理；利用预处理后的道路裂缝数据集训练裂缝检测网络，获得训练好的裂缝检测网络。本发明用于对道路裂缝检测。

主权项：1.基于动态蛇形卷积的智能驾驶道路裂缝检测方法，其特征在于所述方法具体过程为：获取待检测道路图像，对待检测道路图像进行预处理，将预处理后的待检测道路图像输入到训练好的裂缝检测网络中，获得裂缝检测结果；所述对待检测道路图像进行预处理包括：Mosaic数据增强、自适应锚框计算、自适应图片缩放；所述裂缝检测结果包括：横向裂缝、纵向裂缝、网状裂缝、路面坑洼；所述训练好的裂缝检测网络，通过以下方式获得：步骤一、获取道路裂缝数据集，并对道路裂缝数据集进行预处理；所述对道路裂缝数据集进行预处理包括：Mosaic数据增强、自适应锚框计算、自适应图片缩放；所述道路裂缝数据集为CrackForest数据集；步骤二、利用预处理后的道路裂缝数据集训练裂缝检测网络，获得训练好的裂缝检测网络；所述裂缝检测网络包括11个子网络，具体为：第0个子网络的输出的特征图输入到第1个子网络，第1个子网络的输出特征图输入到第2个子网络，第2个子网络的输出特征图输入到第3个子网络，第3个子网络的输出特征图输入到第4个子网络和第8个子网络，第4个子网络的输出特征图O4输入到第5个子网络和第7个子网络；第5哥个子网络输出的特征图O5输入到第6个子网络；第6个子网络输出的特征图O6输入到第7个子网络和第10个子网络；第7个子网络输出特征图O7输入到第8个子网络和第9个子网络；第8个子网络的输出特征图输入到第9个子网络和Conv2d中；第9个子网络输出的特征图输入到第10个子网络和Conv2d；第10个子网络输出特征图输入到Conv2d。

全文数据：

权利要求：

百度查询： 黑龙江大学 基于动态蛇形卷积的智能驾驶道路裂缝检测方法

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