-
公开(公告)号：CN112258529A
公开(公告)日：2021-01-22
申请号：CN202011205186.6
申请日：2020-11-02
申请人： 郑州大学 , 坝道工程医院(平舆)
摘要： 本发明适用于路面病害智能分割技术领域，涉及一种基于实例分割算法的路面裂缝像素级别检测方法，包括以下步骤：采集路面病害图像数据；对采集的路面病害图像数据进行预处理，构建用于训练神经网络的路面病害数据库；对实例分割算法Mask R‑CNN进行改进优化，从而构建像素级别的路面裂缝智能分割模型，并初始化智能分割模型进行训练；调整智能分割模型的超参数，直至智能分割模型收敛且误差损失值满足要求，则保存此时的网络权重参数，用于路面裂缝像素级别的分割；将测试图像输入到保存的智能分割模型中，输出路面裂缝分割结果。本发明所提出的智能分割模型具有更好的鲁棒性与泛化能力，有效提高路面裂缝的分割精度与效率。
-
公开(公告)号：CN112326686A
公开(公告)日：2021-02-05
申请号：CN202011203793.9
申请日：2020-11-02
申请人： 坝道工程医院(平舆) , 郑州安源工程技术有限公司
摘要： 本发明涉及道路病害检测，尤其涉及无人机智能巡航路面病害检测方法、无人机和检测系统。一种基于深度学习的无人机智能巡航路面病害检测方法，无人机内置基于深度学习网络的路面病害检测模型和道路识别模型，检测方法具体为：所述无人机在以道路识别模型确定的实际路面上按照预定路线自动飞行，通过路面病害检测模型实时获取路面病害检测结果。本发明采用基于深度学习网络的道路识别模型和路面病害检测模型，能够实现自动巡航以及自动路面病害检测，只需要将预定路线或者预定区域范围设定，即可实现自动巡航检测，方便快捷。
-
公开(公告)号：CN112215203A
公开(公告)日：2021-01-12
申请号：CN202011203794.3
申请日：2020-11-02
申请人： 坝道工程医院(平舆) , 郑州安源工程技术有限公司
摘要： 本发明涉及一种基于深度学习的路面病害检测方法和装置。一种基于深度学习的路面病害检测方法，包括：获取路面图像或路面视频；根据所述路面图像或路面视频获取路面待检图像；使用基于深度学习网络的路面病害检测模型识别所述路面待检图像中的路面病害，同时获取对应的定位数据，形成路面病害综合信息。本发明提供的路面病害检测方法能够使用基于深度学习算法的路面病害检测模型将获取得到的路面图像或路面视频进行处理，无论是采取何种电子数据方式，均能快速实现对道路病害的快速检测。
-
公开(公告)号：CN112598672A
公开(公告)日：2021-04-02
申请号：CN202011203796.2
申请日：2020-11-02
申请人： 坝道工程医院(平舆) , 郑州安源工程技术有限公司
IPC分类号： G06T7/10
摘要： 本发明涉及图像处理，尤其涉及一种基于深度学习的路面病害图像分割方法和系统。一种基于深度学习的路面病害图像分割方法，包括：获取路面检测图像；将所述路面检测图像输入到通过由深度学习网络使用病害数据库进行训练得到的病害分割模型中；进行路面病害的识别与分割，得到路面病害分割图像。本发明提供的病害分割方法采用深度学习算法进行图像分割，实现路面病害区域的自动化获取，提高工作效率的同时图像分割更加准确。
-
公开(公告)号：CN112326686B
公开(公告)日：2024-02-02
申请号：CN202011203793.9
申请日：2020-11-02
申请人： 坝道工程医院(平舆) , 郑州安源工程技术有限公司
IPC分类号： G01N21/95 , G01N21/88 , G06N3/04 , G06N3/08 , B64U20/80 , B64U20/87 , B64U101/26 , B64U101/30
摘要： 本发明涉及道路病害检测，尤其涉及无人机智能巡航路面病害检测方法、无人机和检测系统。一种基于深度学习的无人机智能巡航路面病害检测方法，无人机内置基于深度学习网络的路面病害检测模型和道路识别模型，检测方法具体为：所述无人机在以道路识别模型确定的实际路面上按照预定路线自动飞行，通过路面病害检测模型实时获取路面病害检测结果。本发明采用基于深度学习网络的道路识别模型和路面病害检测模型，能够实现自动巡航以及自动路面病害检测，只需要将预定路线或者预定区域范围设定，即可实现自动巡航检测，方便快捷。
-
公开(公告)号：CN112200143A
公开(公告)日：2021-01-08
申请号：CN202011205113.7
申请日：2020-11-02
申请人： 坝道工程医院(平舆) , 郑州安源工程技术有限公司
摘要： 本发明适用于深度学习与道路工程技术领域，涉及一种基于候选区域网络和机器视觉的道路病害检测方法，包括：获取路面病害数据集；分类标注病害并分为训练集、验证集和测试集；搭载卷积神经网络模型，将训练集导入模型，进行模型训练；设置不同的超参数，引入验证集图片测试寻找最优超参数；引入测试集图片到最优模型，对模型进行测试；使用检测车进行拍摄并判断检测效率及准确率能否达到所需要求。本发明采用深度学习的方法，研发适用于道路病害特征的目标检测算法，基于道路病害大数据进行模型训练，提高了模型的鲁棒性和泛化能力；同时通过优化基础残差卷积神经网络和候选区域建议网络，提高了模型检测的准确度，实现了路面病害的自动识别。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.027 秒)
