一种混凝土公路路面裂缝智能检测方法及系统

本发明属于路面裂缝检测，尤其涉及一种混凝土公路路面裂缝智能检测方法及系统。

背景技术：

1、混凝土公路路面裂缝检测是公路管养部门一项重要的巡检养护任务，旨在从各种复杂的公路工况下实现对混凝土公路路面裂缝快速、准确的定位与识别。

2、目前，相关检测方法包括人工检测、传统图像分析检测以及基于深度学习检测。人工检测，简单有效，但人工成本高、效率低；传统图像分析检测虽然在一定程度上可以完成混凝土公路路面裂缝检测任务，但需手动设计特征，费时费力，智能化程度低；现有基于深度学习的检测方法，应用于混凝土公路路面检测较少，部分算法模型能够实现一般工况及特征明显的混凝土公路路面裂缝检测，但对于复杂工况，其检测精度不高，模型的鲁棒性不强，难以满足实际复杂工况的检测需求。

技术实现思路

1、本发明提供一种混凝土公路路面裂缝智能检测方法及系统，用于解决无法在复杂工况下混凝土公路路面裂缝的实时定位与识别的技术问题。

2、第一方面，本发明提供一种混凝土公路路面裂缝智能检测方法，包括：

3、获取历史路面裂缝图像，并基于预设的非线性图像处理规则对所述历史路面裂缝图像进行预处理，得到目标历史路面裂缝图像，其中，所述非线性图像处理规则的表达式为：

4、，

5、式中，为空间邻近度因子，为自然对数，为历史路面裂缝图像g中像素的横坐标，为历史路面裂缝图像g中像素的纵坐标，为亮度相似度因子，为亮度相似度因子在水平方向上的加权系数，为亮度相似度因子在垂直方向上的加权系数，为历史路面裂缝图像g在水平方向上的像素值，为历史路面裂缝图像g的像素值，为自适应评估系数，为历史路面裂缝图像g在垂直方向上的像素值，为目标历史路面裂缝图像的像素值，为中心点(x，y)的邻域，为滤波因子，为加权系数，为空间邻近度因子控制参数，，为滤波区域面积；

6、将所述目标历史路面裂缝图像输入至改进的yolov7-tiny目标检测模型中进行迭代训练，直至所述改进的 yolov7-tiny目标检测模型中的crloss 损失函数结果值最小，得到训练最优的目标检测模型；

7、将待检测路面裂缝图像输入至所述目标检测模型中，所述目标检测模型输出所述待检测路面裂缝图像中检测目标的病害名称与位置信息。

8、第二方面，本发明提供一种混凝土公路路面裂缝智能检测系统，包括：

9、预处理模块，配置为获取历史路面裂缝图像，并基于预设的非线性图像处理规则对所述历史路面裂缝图像进行预处理，得到目标历史路面裂缝图像，其中，所述非线性图像处理规则的表达式为：

10、，

11、式中，为空间邻近度因子，为自然对数，为历史路面裂缝图像g中像素的横坐标，为历史路面裂缝图像g中像素的纵坐标，为亮度相似度因子，为亮度相似度因子在水平方向上的加权系数，为亮度相似度因子在垂直方向上的加权系数，为历史路面裂缝图像g在水平方向上的像素值，为历史路面裂缝图像g的像素值，为自适应评估系数，为历史路面裂缝图像g在垂直方向上的像素值，为目标历史路面裂缝图像的像素值，为中心点(x，y)的邻域，为滤波因子，为加权系数，为空间邻近度因子控制参数，，为滤波区域面积；

12、训练模块，配置为将所述目标历史路面裂缝图像输入至改进的yolov7-tiny目标检测模型中进行迭代训练，直至所述改进的 yolov7-tiny目标检测模型中的crloss 损失函数结果值最小，得到训练最优的目标检测模型；

13、输出模块，配置为将待检测路面裂缝图像输入至所述目标检测模型中，所述目标检测模型输出所述待检测路面裂缝图像中检测目标的病害名称与位置信息。

14、第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的混凝土公路路面裂缝智能检测方法的步骤。

15、第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行本发明任一实施例的混凝土公路路面裂缝智能检测方法的步骤。

16、本申请的混凝土公路路面裂缝智能检测方法及系统，基于预设的非线性图像处理规则对历史路面裂缝图像进行预处理，得到目标历史路面裂缝图像，并将目标历史路面裂缝图像输入至改进的yolov7-tiny目标检测模型中进行迭代训练，直至改进的 yolov7-tiny目标检测模型中的crloss 损失函数结果值最小，得到训练最优的目标检测模型，通过目标检测模型进行识别，增强了检测模型的鲁棒性，实现了对混凝土公路路面裂缝的实时检测，提高了在复杂工况下混凝土公路路面裂缝的检测效率与精度，有利于公路管养部门高效合理的调度。

技术特征：

1.一种混凝土公路路面裂缝智能检测方法，其特征在于，包括：

2.根据权利要求1所述的一种混凝土公路路面裂缝智能检测方法，其特征在于，所述基于预设的非线性图像处理规则对所述历史路面裂缝图像进行预处理，得到目标历史路面裂缝图像包括：

3.根据权利要求1所述的一种混凝土公路路面裂缝智能检测方法，其特征在于，其中，计算所述自适应评估系数的表达式为：

4.根据权利要求1所述的一种混凝土公路路面裂缝智能检测方法，其特征在于，其中，计算所述滤波因子的表达式为：

5.根据权利要求1所述的一种混凝土公路路面裂缝智能检测方法，其特征在于，所述改进的 yolov7-tiny目标检测模型包括输入层、主干网络、头部网络以及检测层；

6.根据权利要求5所述的一种混凝土公路路面裂缝智能检测方法，其特征在于，所述头部网络中包含适用于对历史路面裂缝图像进行智能检测的上采样层cpcdm，其中，构建所述上采样层cpcdm的过程具体为：

7.根据权利要求1所述的一种混凝土公路路面裂缝智能检测方法，其特征在于，所述crloss 损失函数的表达式为：

8.一种混凝土公路路面裂缝智能检测系统，其特征在于，包括：

9.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7任一项所述的方法。

技术总结
本发明公开了一种混凝土公路路面裂缝智能检测方法及系统，方法包括：获取历史路面裂缝图像，并基于预设的非线性图像处理规则对历史路面裂缝图像进行预处理，得到目标历史路面裂缝图像；将目标历史路面裂缝图像输入至改进的YOLOv7‑tiny目标检测模型中进行迭代训练，直至改进的YOLOv7‑tiny目标检测模型中的CRLoss损失函数结果值最小，得到训练最优的目标检测模型；将待检测路面裂缝图像输入至目标检测模型中，目标检测模型输出待检测路面裂缝图像中检测目标的病害名称与位置信息。实现了对混凝土公路路面裂缝的实时检测，提高了在复杂工况下混凝土公路路面裂缝的检测效率与精度，有利于公路管养部门高效合理的调度。

技术研发人员：刘林芽,翁广良,刘冬生,肖海山,吴送英,万强华,陈聪
受保护的技术使用者：华东交通大学
技术研发日：
技术公布日：2024/6/5