基于深度学习的机场道面病害异物检测方法及系统

摘要

本发明提供一种基于深度学习的机场道面病害异物检测方法及系统，其中方法包括：搭建YOLOv3和Mask RCNN卷积神经网络并设置超参数进行训练；将训练好后的YOLOv3、Mask R‑CNN卷积神经网络分别部署在检测车辆图像识别系统和工作站服务器上；第一阶段启用检测车辆图像识别系统中YOLOv3目标检测模型对原始采集图像进行初步检测，第二阶段启用工作站中Mask R‑CNN语义分割模型对图像进行二次检测并提取分割后的语义信息，获得图像病害与FOD的详细信息；工作站将最终检测结果上传至用户终端系统。本发明提出的基于深度学习的多阶段机场道面病害异物检测方法及系统，既能够同时智能检测机场道面病害与异物，又能保证检测精度和效率。