本发明提供一种道路井盖破损检测方法,车载式图像获取设备获取井盖的视频数据,截取视频数据中的井盖图像,获取井盖缺陷的图像,获取增强井盖缺陷图像数据集;对增强井盖缺陷图像数据集中的图像进行种类标注,形成COCO数据集;将步骤S2中的COCO数据集分为训练子集和测试子集;将步骤S3中训练子集中的数据输入至改进的YOLOv4算法中训练;对所述训练子集进行若干次迭代训练,获取至少两个目标检测模型;对获取的目标检测模型进行分析,获得最优检测模型;利用所获取的最优模型识别待测井盖图像,解决了现有道路井盖破损主要依靠人工定时巡查并检测,耗费大量人力、物力且效率低的问题,有效提高道路井盖破损检测的精度及效率。

本发明公开的一种道路井盖破损检测方法，解决了现有道路井盖破损主要依靠人工定时巡查并检测，耗费大量人力、物力且效率低的问题，有效提高道路井盖破损检测的精度及效率。为达到上述目的，本发明的技术方案具体是这样实现的：本发明公开一种道路井盖破损检测方法，包括以下步骤：S1：利用车载式图像获取设备获取井盖的视频数据，截取视频数据中的井盖图像，获取井盖缺陷的图像，对井盖缺陷的图像进行0°-180°随机旋转，并将随机生成的井盖缺陷的图像叠加在标准井盖图像的不同位置，生成含有不同缺陷的井盖缺陷图像数据集，对井盖缺陷图像数据集中的图像进行模糊处理，获取增强井盖缺陷图像数据集；S2：对所述增强井盖缺陷图像数据集中的图像进行种类标注，形成COCO数据集；S3：将步骤S2中的COCO数据集分为训练子集和测试子集；S4：将步骤S3中训练子集中的数据输入至改进的YOLOv4算法中训练；S41：根据设置好的K类先验框作为初始，从目标的先验框选取K个作为初始先验框。

本发明涉及井盖破损检测技术领域，尤其涉及一种道路井盖破损检测方法。

井盖通常用于遮盖道路或家中深井，防止人或物体坠落。近年来，城市基础设施建设事业的持续高速发展，城市中给排水、燃气、热力、电力、通讯等各类市政公用地下管线设施日益增加，城市路面上相应各类检查井相应地不断增加，城市道路将该的管理也愈发重要。如何改善和加强城市井盖质量问题已成为困扰全国各地市政设施管理部门的一个难点、热点问题。目前针对井盖质量问题，主要依靠人工定时巡查并检测井盖是否存在缺陷或破损，但是这种方法需耗费大量的人力与物力，且检测效率低。

本发明公开的一种道路井盖破损检测方法，解决了现有道路井盖破损主要依靠人工定时巡查并检测，耗费大量人力、物力且效率低的问题，有效提高道路井盖破损检测的精度及效率。

江苏理工学院是省属全日制普通高校，地处被誉为“千载读书地，现代创新城”的国家历史文化名城、长江三角洲重要的现代制造业基地——江苏省常州市。学校创建于1984年，历经常州职业师范学院、常州技术师范学院、江苏技术师范学院等时期，2012年更名为江苏理工学院。学校是硕士学位授予单位、教育部本科教学工作水平评估优秀单位、全国首批职教师资培训重点建设基地和江苏省首批决策咨询研究基地。

有益技术效果：

本发明公开一种道路井盖破损检测方法，包括以下步骤：

S1：利用车载式图像获取设备获取井盖的视频数据，截取视频数据中的井盖图像，获取井盖缺陷的图像，对井盖缺陷的图像进行0°-180°随机旋转，并将随机生成的井盖缺陷的图像叠加在标准井盖图像的不同位置，生成含有不同缺陷的井盖缺陷图像数据集，对井盖缺陷图像数据集中的图像进行模糊处理，获取增强井盖缺陷图像数据集；S2：对所述增强井盖缺陷图像数据集中的图像进行种类标注，形成COCO数据集；S3：将步骤S2中的COCO数据集分为训练子集和测试子集；S4：将步骤S3中训练子集中的数据输入至改进的YOLOv4算法中训练；S5：对所述训练子集进行若干次迭代训练，获取至少两个目标检测模型；S6：对获取的目标检测模型进行分析，获的最优检测模型；S7：利用所获取的最优模型识别待测井盖图像，解决了现有道路井盖破损主要依靠人工定时巡查并检测，耗费大量人力、物力且效率低的问题，有效提高道路井盖破损检测的精度及效率。

当前专利在中国不属于公知技术，未经权利人许可不得实施，希望将科技成果转让给研发实力雄厚的企业，由受让人对科技成果实施转化。交易的是科技成果中的知识产权，可以包括专利权、专利申请权、技术秘密等。科技成果转让后，转让方获得转让费，不再是科技成果的所有人；受让方向转让方支付转让费，并成为科技成果的新的所有人。