成果介绍
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。
成果亮点
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;
团队介绍
学院以完备教学资源和优秀师资队伍为依托,主要从事数据科学与大数据治理、网络空间建设与安全保障、云计算与分布式应用、智能翻译等领域方向的理论研究和应用项目研发,培养数智时代紧缺的应用型数字人才。
成果资料