一种基于深度卷积神经网络的农村公路路面病害智能检测方法

摘要

本发明公开了一种基于深度卷积神经网络的农村公路路面病害智能检测方法，步骤为：制作多类型农村公路路面病害训练数据集；构建基于全卷积网络的语义分割模型；使用Adam优化器对模型训练过程进行优化；有重叠地裁剪图像并在拼接时采取忽略边缘策略，大图像裁剪成一系列与相邻图像块有特定重复区域的图像块，并把它们存在链表里，然后创建生成器，之后送入训练号的模型进行预测；多类型路面病害分类及损坏状况评定；通过开发路面技术状况评价系统。本发明能够解决因裁剪图像边缘区域的上下文信息较少，预测结果精度较低，进而导致提取病害出现明显拼接痕迹的问题，实现高分辨率图像中病害预测结果的准确性、连续性。