利用信息融合和云-边缘部署的道路病害检测方法及系统
摘要文本
本发明涉及一种利用信息融合和云‑边缘部署的道路病害检测方法及系统，其方法包括：S1：基于原始道路图像数据集S构建增强图像数据集SA和道路边缘信息数据集E，结合SA和E进行训练，得到训练好的全精度道路病害检测模型；S2：对训练好的全精度道路病害检测模型进行量化，得到量化的道路病害检测模型；将事实图像输入量化的道路病害检测模型进行粗过滤检测，得到道路病害粗过滤检测结果并上传至云端；S3：在云端部署训练好的全精度道路病害检测模型，对粗过滤检测结果进行处理得到细粒检测结果；并对其进行分析和汇聚展示，在细粒检测结果中选择样本对SA和E进行补充。本发明提供的方法提高了道路病害检测的精度和速度。
申请人信息
- 申请人:首都师范大学
- 申请人地址:100048 北京市海淀区西三环北路105号
- 发明人: 首都师范大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 利用信息融合和云-边缘部署的道路病害检测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410011969.2 |
| 申请日 | 2024/1/4 |
| 公告号 | CN117745712A |
| 公开日 | 2024/3/22 |
| IPC主分类号 | G06T7/00 |
| 权利人 | 首都师范大学 |
| 发明人 | 姜那; 邱宇轩; 赵润晶; 李肇嘉; 白英铎; 施智平 |
| 地址 | 北京市海淀区西三环北路105号 |
专利主权项内容
1.一种利用信息融合和云-边缘部署的道路病害检测方法，其特征在于，包括：步骤S1：基于原始道路图像数据集S构建增强图像数据集S和道路边缘信息数据集E，结合S和E进行混合训练，对路面图像像素级色彩特征进行提取的同时，对图像边缘进行学习，并进行信息融合，得到训练好的全精度道路病害检测模型；AA步骤S2：对所述训练好的全精度道路病害检测模型进行量化，得到量化的道路病害检测模型；在具备神经网络硬件加速功能的边缘设备上部署运行所述量化的道路病害检测模型；将事实图像输入所述量化的道路病害检测模型进行粗过滤检测，得到道路病害粗过滤检测结果；对所述道路病害粗过滤检测结果添加时空信息后进行编码，得到数据包，将所述数据包上传至云端；步骤S3：在云端部署所述训练好的全精度道路病害检测模型，构建细粒度道路病害检测任务池，对所述数据包解析后得到图像；在任务波峰期采用批量图像推理，波谷期采用固定时间间隔单图像推理，最后得到细粒检测结果；并对所述细粒检测结果进行多维度分析和汇聚展示，同时，在所述细粒检测结果中选择适当的样本对S和E进行补充，用于模型的迭代训练。A 关注公众号