(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
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
本文档由 人生无常 于 2024-03-18 07:00:47上传分享