standard download
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210458708.6 (22)申请日 2022.04.27 (71)申请人 江苏理工学院 地址 213001 江苏省常州市中吴大道1801 号 (72)发明人 薛波 李林丰 蒋帅  (74)专利代理 机构 常州佰业腾飞专利代理事务 所(普通合伙) 32231 专利代理师 任珊珊 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 20/56(2022.01) G06V 10/762(2022.01) G06V 20/70(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种道路井 盖破损检测方法 (57)摘要 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。 权利要求书3页 说明书7页 附图4页 CN 115100557 A 2022.09.23 CN 115100557 A 1.一种道路井盖破损检测方法, 其特 征在于, 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; 其中, ak、 bk为设定好的K类 先验框, aj、 bj为目标先验框尺寸数据; D为聚类中心与其他先 验框尺寸的欧式距离; S42: 从K类先验框中选取尺寸满足阈值要求的先验框, 并将其归为同一聚类, 然后重新 计算每一聚类的中心; 其中, Ck、 Zk为新聚类的K类 先验框尺寸, aa、 ba为聚类在一类的先验框尺寸, N为该类 先验 框的总个数; S43: 一种重复步骤S42, 直到聚类中心不再变化, 从而确定先验框; 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, 获得最优检测模型; S7: 利用所获取的最优 模型识别待测井盖图像。 2.根据权利要求1所述的一种道路井盖破损检测方法, 其特征在于, 所述步骤S5 中获取 至少两个最优检测模型的步骤 包括: S51: 对训练子集进行迭代训练, 每一轮迭代均会产生损失, 损失函数loss的计算公式 如下: loss=a1lbox+a2l0bj+a3lQ 其中, lbox为目标位置损失函数, l0bj为置信度损失函数, lQ为真实类与预测类之间的损 失函数, a1,a2,a3为平衡系数; 其中, λiou表示边界框回归损失权重系数, lij,obj=1, s2表示为13 ×13、 26×26、 104×104 个网格; B表示为每个网格产生先验框的个数; b、 表示先验框和目标框的中心点; ρ 表示为 两个中心点的欧式距离; c表示 同时覆盖先验框和目标框 的最小矩形对角线距离; 表 示第i个先验框所在位置; w、 h表示第i个实际框所在位置, IOU表示预测位置和实际位置所 占有的总区域;权 利 要 求 书 1/3 页 2 CN 115100557 A 2其中, ai表示为置信度损失权重系数, 通过改变ai调整置信度损失函数在训练过程中影 响的权重, lij,noobj=0/1表示在i,j无目标/有目标; lij,obj=1/0表示在i,j有目标/无目标; εq表示为每个类别目标对应的损失权重系数, 通过 改变εq调整每个类别在训练损失过程中 影响权重; Qi表示为第i个框实际置信度; 表示为第i个先验框 置信度; lQ= εjai(1‑ci)βln ci 其中, εj=1/0时表示为有真实类别/无真实类别; ci表示为类别i的预测概率, β 为调节 系数; S52: 从迭代生成的若干个l oss值中选取最小的三个, 得到三个的目标检测模型。 3.根据权利要求1所述的一种道路井盖破损检测方法, 其特征在于, 步骤S6具体包括以 下步骤: S61: 获取测试子集数据中井盖缺陷的实际位置; S62: 取步骤S5中的其中一个目标检测模型对测试子集中的数据进行井盖缺陷识别, 获 取井盖缺陷预测位置; S63: 计算对应的IOU值, 判断预测框与真实框的叠合 程度; 其中, s交表示预测位置与实际位置之间的重叠面积; s并为预测位置和 实际位置所占有 的总面积; S64: 计算对应的平均精度APj、 召唤率R和平均精度均值mAP; 其中, TP为正确检测的目标数量, FN为 漏检的目标 数量, p为每一类样本的精确率, N 为类别数; S65: 将步骤S5中获取的若干个目标检测模型分别进行上述操作, 从生成的mAP值中选 择最小的一个作为 最优目标检测模型。 4.根据权利要求1所述的一种道路井盖破损检测方法, 其特 征在于, 步骤S1中包括: S11: Z1=Ta 其中, T为随机形变运算, a为截取的井盖缺陷图像, Z1是又形变操作后得到的新的井盖 缺陷图像; S12: 对图像进行0 ° ‑180°随机旋转, 生成含有不同缺陷的井盖缺陷数据集: Fi=P+βi( θ ) 其中, Fi是叠加后生成的图像, P表示无缺陷的井盖图像, θ为缺陷图像旋转的角度值, βi ( θ )是经过随机形变以及旋转后得到的缺陷; S13: 增强井盖缺陷图像数据集的生成: 其中, 表示均值滤波和中值滤波系统, N表示给缺陷图像添加的椒盐噪声和高斯噪声,权 利 要 求 书 2/3 页 3 CN 115100557 A 3

.PDF文档 专利 一种道路井盖破损检测方法

文档预览
中文文档 15 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共15页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种道路井盖破损检测方法 第 1 页 专利 一种道路井盖破损检测方法 第 2 页 专利 一种道路井盖破损检测方法 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 07:00:47上传分享
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。