本发明属于公路病害检测，具体为一种基于目标检测的高速公路沥青路面病害检测方法。
背景技术：
1、高速公路是一种专供汽车高速行驶的公路，一般能适应每小时120公里或更高的速度，其特点是路面平坦、车流量大、全程封闭、行车速度快、道路设施完善等，高速公路的建设可以促进区域经济发展，提高交通运输效率，缓解交通拥堵等问题，同时，高速公路也是现代物流和供应链系统的重要组成部分，对于保障生产、生活和应急救援等方面有重要意义，在高速公路的运营管理方面，需要采取一系列措施来确保安全和效率，例如加强路况监测、实施交通管制、提高应急救援能力等，此外，还需要对高速公路进行定期维护和保养，以保持其良好的运行状态；其中高速公路在使用过程中，路面在车辆的磨损过程中，逐渐出现裂缝坑洼，影响到车辆的正常行驶，因此养护人员需要及时对高速公路的路面进行养护施工，在施工前需要预先确定好路面的病害位置与病害情况后，方可进行施工，通过人们行驶检测的车辆进入高速公路，通过图像采集设备对路面的图像进行收集，但是在行驶过程中，由于高速公路的路段通常为农村周围，周围树木茂盛，会产生大雾情况，造成能见度较低，因此图像采集设备采集的图像存在模糊不清，难以有效的在模糊的图像中分析得到路面的病害情况，对此，我们提出了一种基于目标检测的高速公路沥青路面病害检测方法。
技术实现思路
1、针对现有技术的不足，本发明提供了一种基于目标检测的高速公路沥青路面病害检测方法，以解决以上技术问题。
2、为实现上述目的，本发明提供如下技术方案：一种基于目标检测的高速公路沥青路面病害检测方法，病害检测步骤：
3、s1、工作人员在高速公路上行驶检测车辆，通过图像采集设备实时对路面情况采集图像；
4、s2、将采集的图像上传至后台计算机内进行分析；
5、s3、后台计算机内建立有分类模型，将清晰图像与大雾图像进行分类；
6、s4、将清晰图像通过深度学习法提取路面病害特征；
7、s5、将大雾图像使用直方图均衡化算法调整图像，增强对比度，降低图像中雾霾影响，将处理后的图像通过深度学习法提取路面病害特征，对高速公路路段病害检测。
8、优先地，s1步骤中图像采集设备为摄像头，工作人员在行驶车辆时位于高速公路中间车道匀速行驶，摄像头摄像时，实时记录拍摄的时间，工作人员在进入高速公路时相应记录下时间，通过对比测算行驶的车速与记录的病害时间点，得出高速公路病害的位置。
9、优先地，对比测算公式为：
10、s＝v*t
11、其中s为行驶的距离，v为车辆的平均速度，t为行驶的时间；
12、通过在地图中计算对比当前高速公路的长度来得到当前公路病害的位置。
13、优先地，s2步骤中通过网络方式将采集的图像进行上传分析；s3步骤中分类模型为纹理分析法，清晰的图像其纹理均匀，雾图其纹理部分混乱，来判断图像是否为雾图。
14、优先地，纹理分析法内包括灰度共生矩阵法进行计算，计算公式为：
15、m＝∑x∑op(k，s，a)f(x+k，y+s)f(x+k，y+s)
16、其中p(k，s，a)表示为θ，间隔为d为的灰度共生矩阵，k与s为像素间水平与垂直量，f(x+k，y+s)表示为像素x+k，y+s的灰度值，设定灰度图像为f(x，y)，其中x与y为像素的坐标，f(x，y)为像素灰度值。
17、优先地，s4步骤中深度学习法通过卷积神经网络进行学习处理，来对图像中的病害特征进行提取，判断出当前路段病害特征情况。
18、优先地，s5步骤中直方图均衡化算法将图像转换为分布均匀的直方图，将每块小图进行处理，来提升图像对比度，达到去雾的效果，其中包括累计分布函数与映射函数，累计分布函数计算公式为：
19、
20、其中ln为灰度值在像素中出现的频率，t为灰度值；
21、直方图均衡化算法计算步骤包括：
22、统计图像中灰度级像素数量，来得到原始直方图，将每个灰度级像素数量相加，得到每个灰度级的累计像素量，将每个像素的灰度值通过映射到新的灰度值上，进行归一化处理，进行输出，即为直方图均衡化后的图像。
23、优先地，映射函数公式为：
24、
25、其中l为映射的像素值，m与n为图像的宽度与高度，k为像素范围，g为图像中最小像素，将原始图像分隔为若干小块，对每小块通过映射函数计算转换。
26、优先地，在映射函数处理过程中保持灰度值不便，来增加处理后的图像真实度，将处理后的图像进行集中保存在计算机内部，并再次通过深度学习法来对路面病害特征提取，得到高速公路病害的情况。
27、优先地，s5步骤中高速公路病害的种类为出现裂缝、出现车辙、出现坑槽、桥头沉降与路基冻胀情况，通过检测来针对不同的病害做出针对性的养护方法。
28、与现有技术相比，本发明的有益效果如下：
29、本申请通过在计算机内部建立有分类模型，去将收集得到的图像进行事先的分类，划分出清晰的图像与雾图，再将雾图通过直方图均衡化算法处理，将雾图提升对比度，转换为清晰的图像，再将图像进行集中的处理，提取得到图像中道路病害特征的种类，进行针对性处理，防止图像采集设备采集的图像模糊不清，难以分析得到路面的病害情况的情况。
1.一种基于目标检测的高速公路沥青路面病害检测方法，其特征在于，病害检测步骤：
2.根据权利要求1所述的基于目标检测的高速公路沥青路面病害检测方法，其特征在于：s1步骤中图像采集设备为摄像头，工作人员在行驶车辆时位于高速公路中间车道匀速行驶，摄像头摄像时，实时记录拍摄的时间，工作人员在进入高速公路时相应记录下时间，通过对比测算行驶的车速与记录的病害时间点，得出高速公路病害的位置。
3.根据权利要求2所述的基于目标检测的高速公路沥青路面病害检测方法，其特征在于，对比测算公式为：
4.根据权利要求1所述的基于目标检测的高速公路沥青路面病害检测方法，其特征在于：s2步骤中通过网络方式将采集的图像进行上传分析；s3步骤中分类模型为纹理分析法，清晰的图像其纹理均匀，雾图其纹理部分混乱，来判断图像是否为雾图。
5.根据权利要求4所述的基于目标检测的高速公路沥青路面病害检测方法，其特征在于，纹理分析法内包括灰度共生矩阵法进行计算，计算公式为：
6.根据权利要求1所述的基于目标检测的高速公路沥青路面病害检测方法，其特征在于：s4步骤中深度学习法通过卷积神经网络进行学习处理，来对图像中的病害特征进行提取，判断出当前路段病害特征情况。
7.根据权利要求1所述的基于目标检测的高速公路沥青路面病害检测方法，其特征在于：s5步骤中直方图均衡化算法将图像转换为分布均匀的直方图，将每块小图进行处理，来提升图像对比度，达到去雾的效果，其中包括累计分布函数与映射函数，累计分布函数计算公式为：
8.根据权利要求7所述的基于目标检测的高速公路沥青路面病害检测方法，其特征在于，映射函数公式为：
9.根据权利要求7所述的基于目标检测的高速公路沥青路面病害检测方法，其特征在于：在映射函数处理过程中保持灰度值不便，来增加处理后的图像真实度，将处理后的图像进行集中保存在计算机内部，并再次通过深度学习法来对路面病害特征提取，得到高速公路病害的情况。
10.根据权利要求1所述的基于目标检测的高速公路沥青路面病害检测方法，其特征在于：s5步骤中高速公路病害的种类为出现裂缝、出现车辙、出现坑槽、桥头沉降与路基冻胀情况，通过检测来针对不同的病害做出针对性的养护方法。