CN115082802B - 道路病害识别方法、装置、设备及可读存储介质 - Google Patents
道路病害识别方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN115082802B CN115082802B CN202210992243.2A CN202210992243A CN115082802B CN 115082802 B CN115082802 B CN 115082802B CN 202210992243 A CN202210992243 A CN 202210992243A CN 115082802 B CN115082802 B CN 115082802B
- Authority
- CN
- China
- Prior art keywords
- road
- disease
- type
- diseases
- acquiring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种道路病害识别方法、装置、设备及可读存储介质,属于道路管理技术领域,所述方法包括:根据巡检车的巡检结果,获取道路病害的初次识别结果;根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度;根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类;若所述道路病害的种类为未明确类型或基本明确类型,则获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类。本发明提供的道路病害识别方法减少了人工参与,安全性好,且识别准确度和效率较高。
Description
技术领域
本发明涉及道路管理技术领域,具体而言,涉及一种道路病害识别方法、装置、设备及可读存储介质。
背景技术
随着城市基础建设的高速增长,城市道路设施的水平等级和数量也较以往有了成倍的增长。且随着交通量,以及大型车辆增加容易导致道路产生病害,如果不能及时对道路病害进行处理,可能会导致道路产生重大的安全事故。
通常通过道路巡检的方式来检测道路上的病害,传统的道路巡检为人工巡检,但是人工巡检较为繁琐、安全性较差,不同人员对道路病害的判断标准存在差异,容易导致巡检的准确性较差,对于存在不同识别结果的道路病害需要多次巡检确认,效率较低。
发明内容
针对现有技术的不足,本发明提供了一种道路巡检方法、系统、设备、可读存储介质及巡检车辆。
第一方面,本发明提供了一种道路病害识别方法,所述方法包括:
根据巡检车的巡检结果,获取道路病害的初次识别结果;
根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度;
根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类,其中,所述道路病害的种类为未明确类型、基本明确类型或完全明确类型;
若所述道路病害的种类为未明确类型或基本明确类型,则获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类。
可选地,在所述根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度之后,在所述根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类之前,所述方法还包括:
根据所述道路病害对于不同类型的置信度,获取所述道路病害的状态,其中,所述道路病害的状态为完全态或中间态;
所述根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类,包括:
若所述道路病害的状态为完全态,根据所述道路病害的第一置信度和第二置信度,获取第一参数,将所述第一参数与预设阈值比较,获取所述道路病害的种类;
若所述道路病害的状态为中间态,根据所述道路病害的第一置信度、第二置信度和变异系数,获取第二参数,将所述第二参数与预设阈值进行比较,获取所述道路病害的种类;
其中,所述第一置信度和所述第二置信度分别为所述道路病害对于不同类型的置信度中按照从大至小排序的第一个和第二个置信度,所述变异系数大于0且小于1。
可选地,所述根据所述道路病害对于不同类型的置信度,获取所述道路病害的状态,包括:
根据所述道路病害的所述第一置信度,获取所述第一置信度对应的第一类型;
根据所述第一类型,获取所述道路病害的状态。
可选地,所述若所述道路病害的种类为未明确类型或基本明确类型,则获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类,包括:
若所述道路病害的种类为未明确类型或基本明确类型,则根据所述道路病害的初次识别结果,获取所述道路病害的第一置信度和第二置信度,并对第一置信度和第二置信度拟合曲线;
根据所述拟合曲线,再次获取所述道路病害的种类。
可选地,若所述道路病害的种类为完全确定类型,则所述方法还包括:
发送对完全确定类型的所述道路病害的修补请求。
可选地,在所述发送对完全确定类型的所述道路病害的修补请求之后,所述方法还包括:
获取修补后的所述道路病害的修补后的识别结果;
根据所述修补后的识别结果,获取修补质量;
获取接收所述修补请求的养护单位到所述道路病害的距离;
根据发送修补请求的时间、完成修补的时间和养护单位到所述道路病害的距离,获取修补的及时性。
可选地,在所述根据巡检车的巡检结果,获取道路病害的初次识别结果之后,在所述根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度之前,所述方法还包括:
根据所述初次识别结果,获取当前道路病害的位置信息;
根据所述当前道路病害的前一个道路病害的位置信息及后一个道路病害的位置信息,判断所述当前道路病害的位置信息是否发生偏移;
若所述当前道路病害的位置信息发生偏移,则根据所述当前道路病害的前一个道路病害的位置信息以及后一个道路病害的位置信息,获取所述当前道路病害修正后的位置信息。
第二方面,本发明提供了一种设道路病害识别装置,所述装置包括:
初次识别结果获取模块,用于根据巡检车的巡检结果,获取道路病害的初次识别结果;
置信度获取模块,用于根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度;
第一判定模块,用于根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类;
第二判定模块,用于获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类。
第三方面,本发明提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述所述的道路病害识别方法。
第四方面,本发明提供了一种计算机设备,包括处理器、存储器及存储于所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述所述的道路病害识别方法。
本发明提供的道路病害识别方法、系统、设备及存储介质的有益效果是,通过巡检车的巡检结果,获取道路病害的初次识别结果,并根据初次识别结果中置信度对初次识别结果的准确性进行验证,按照置信度将道路病害划分为未明确类型、基本明确类型和完全明确类型,再针对未明确类型和基本明确类型的道路病害进行重新识别,既保证了识别结果的准确性,也能够避免对完全明确类型的道路病害进行重复派单;本发明提供的道路病害识别方法、系统、设备及存储介质减少了人工参与,安全性好,且识别准确度和效率较高。
附图说明
图1为本发明实施例中道路病害识别方法的应用环境图;
图2为本发明实施例中道路病害识别方法的流程示意图;
图3为本发明实施例中道路病害识别装置的结构框图;
图4为本发明实施例中道路病害识别方法计算机设备的内部结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”;术语“可选地”表示“可选的实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1为一个实施例中道路病害识别方法的应用环境图。参照图1,该道路病害识别方法应用于道路病害识别系统。该道路病害识别系统包括终端110和服务器120。终端110和服务器120通过网络连接。终端110具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本发明实施例提供一种道路病害识别方法,如图2所示,所述方法包括:
步骤210,根据巡检车的巡检结果,获取道路病害的初次识别结果;
步骤220,根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度;
步骤230,根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类,其中,所述道路病害的种类为未明确类型、基本明确类型或完全明确类型;
步骤240,若所述道路病害的种类为未明确类型或基本明确类型,则获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类。
步骤210中,通过智慧巡检装置(巡检车)对道路进行巡检得到的巡检结果,获取对道路中道路病害的初次识别结果。其中,初次识别结果包括道路病害的照片、位置信息、病害类型以及病害面积等信息。
应理解的是,初次识别结果可以包括巡检车多次巡检的巡检结果,由于一次巡检过程中容易出现误差,且在光照不好的条件下的巡检结果容易导致难以判断。
步骤220中,根据初始识别结果中道路病害的照片、位置信息、病害类型以及病害面积等信息,获取所述道路病害对于不同类型的置信度。
本发明实施例中,道路病害的类型包括裂缝、坑槽、车辙、剥落、松散、沉陷、龟裂、路面补丁和桥头涵顶跳车等。
由于通过初次识别结果无法完全确认道路病害的类型,因此,本发明实施例中,同一个道路病害对于不同类型赋予置信度,例如,初次识别结果中一个道路病害是坑槽的置信度为0.90,是路面补丁的置信度为0.005,则说明该道路病害为坑槽的概率是90%,为路面补丁的概率是0.5%,如果一个道路病害是裂缝的置信度为0.50,是龟裂的置信度为0.45,则说明该道路病害为裂缝的概率为50%,为龟裂的概率是45%。
在一些实施例中,步骤210和步骤220之间,该方法还包括:
根据所述初次识别结果,获取当前道路病害的位置信息;
根据当前道路病害的前一个道路病害的位置信息及后一个道路病害的位置信息,判断当前道路病害的位置信息是否发生偏移;
若当前道路病害的位置信息发生偏移,则根据当前道路病害的前一个道路病害的位置信息以及后一个道路病害的位置信息,获取当前道路病害修正后的位置信息。
在初次识别结果中,会对道路病害的位置信息进行采集,由于巡检车巡检时是沿一条道路连续采集的,采集到的道路病害的位置信息也应该是连续的。如果初次识别结果中,某个道路病害的前一个道路病害的位置信息以及后一个道路病害的位置信息位于同一条道路上,而该道路病害的位置信息偏出该条道路,则说明该道路病害的位置信息出现了偏移,可以根据前一个道路病害的位置信息以及后一个道路病害的位置信息对该道路病害的位置信息进行修正,具体可通过求两个位置信息平均值的方式来获取修正后的位置信息。
在一些实施例中,道路病害的初次识别结果还包括道路病害的面积,对于包含面积信息的道路病害,由于长度和宽度无法确定,无法通过求前一个道路病害位置信息及后一个道路病害位置信息平均值的方式准确获取该道路病害的修正后的位置信息,可以将出现位置偏移的道路病害的前一个道路病害和后一个道路病害的病害类型、病害面积等信息记录下来,形成第一列表,等待再次巡检后,获取该条道路的重新识别结果,将记录道路病害的病害类型、病害面积的信息记录下来,形成第二列表,通过第一列表和第二列表比对,即可获取道路病害的修正后的位置信息。
在步骤220之后,步骤230之前,该方法还包括:
根据所述道路病害对于不同类型的置信度,获取所述道路病害的状态,其中,所述道路病害的状态为完全态或中间态。
其中,完全态是指已经发展成熟的道路病害类型,如坑槽,对于坑槽来说,其病害边界已经明确,后续发展只会越来越严重,而不会产生类型上的变化;中间态是指处于发展中的道路病害类型,如剥落,对于剥落来说,一方面其类型不容易被确认,另一方面是当前危害较小,暂时不影响行车安全,在后续发展中可能会发展成沉陷或坑槽等病害类型。
即,完全态的道路病害容易被确认类型,且危害较大,需要优先处理,而中间态的道路病害不容易被确认,当前危害较小,可以暂缓处理。
具体地,道路病害对于不同类型有不同的置信度,将置信度按照数值从大到小的顺序排列,将数值最大的置信度作为第一置信度,将数值第二的置信度作为第二置信度,其中第一置信度对应的类型为第一类型,第二置信度对应的类型为第二类型,根据第一类型来判断道路病害的状态;即,若道路病害的第一置信度对应的第一类型为坑槽或沉陷等,则该道路病害的状态为完全态,若道路病害的第一置信度对应的第一类型为裂缝、龟裂或剥落等,则该道路病害的状态为中间态。
在实际应用中,完全态的道路病害可以指的是已经会危害行车安全的病害,例如普通道路上的坑槽等,或可以是危害道路本身安全的病害,例如桥梁上的严重裂缝等;中间态的道路病害可以指的是已经产生但是暂时还不会危害行车安全或道路本身安全的病害,例如小的裂缝,路面部分剥落等。
在实际应用中,道路的完全态和中间态或可以是根据经验来设置,或可以是根据实际需求/要求来设置,或可以根据相应的法律、法规或行业安全规定来设置。
步骤230中,所述根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类,包括:
若所述道路病害的状态为完全态,根据所述道路病害的第一置信度和第二置信度,获取第一参数,将所述第一参数与预设阈值比较,获取所述道路病害的种类;
若所述道路病害的状态为中间态,根据所述道路病害的第一置信度、第二置信度和变异系数,获取第二参数,将所述第二参数与预设阈值进行比较,获取所述道路病害的种类;
其中,所述第一置信度和所述第二置信度分别为所述道路病害对于不同类型的置信度中按照从大至小排序的第一个和第二个置信度,所述变异系数大于0且小于1。
具体地,若道路病害的状态为完全态,则将该道路病害的第一置信度和第二置信度的比值作为第一参数,将第一参数与预设阈值进行比较,从而获取道路病害的种类;若道路病害的状态为中间态,则将该道路病害的第一置信度和第二置信度的比值再乘以一个变异系数,作为第二参数,同样将第二参数与预设阈值进行比较,获取道路病害的种类,其中变异系数大于0且小于1。
在一些实施例中,预设阈值为:1-3为未明确类型,3-10为基本明确类型,10以上为完全明确类型,若道路病害为完全态,且第一置信度为0.9,第二置信度为0.05,则第一参数=0.9/0.05=18,道路病害的种类为完全明确类型,若道路病害为中间态,且第一置信度为0.5,第二置信度为0.2,变异系数为0.8,则第二参数=0.5/0.2*0.8=2,道路病害的种类为未明确类型。
由于中间态的道路病害本身不易确定类型,第一置信度和第二置信度较为接近,再通过对中间态的道路病害乘以一个大于0且小于1的变异系数,可进一步保证中间态的道路病害的第二参数较小,位于未明确类型或基本明确类型的阈值范围内,能够暂缓道路病害的确认,使修补请求的发送滞后。
另外,对于中间态的道路病害,根据前一次识别结果得到的第二参数,以及后一次识别结果得到的第二参数,能够了解该道路病害的发展情况,若发展速度超过阈值,即可认为需要立即修补。例如,第一次识别结果中,计算得到道路病害的第二参数为1,一个月后,第二次识别结果中,计算得到该道路病害的第二参数为8,即可通过第二次识别结果中的第二参数和第一次识别结果中的第二参数的比值计算得到第三参数,将第三参数与阈值比较即可判断道路病害的发展情况。
步骤240中,若所述道路病害的种类为未明确类型或基本明确类型,则获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类。
也就是说,对于道路病害的种类为未明确类型或基本明确类型的情况,需要对道路病害重新识别,根据重新识别结果,再次对道路病害的种类进行判断,直至道路病害的种类为完全确认类型。
在一些实施例中,若所述道路病害的种类为未明确类型或基本明确类型,则根据所述道路病害的初次识别结果,获取所述道路病害的第一置信度和第二置信度,并对第一置信度和第二置信度拟合曲线;
根据所述拟合曲线,再次获取所述道路病害的种类。
具体地,将初次识别结果中多次巡检数据的第一置信度作为y,第二置信度作为x,通过最小二乘法将第一置信度和第二置信度拟合为曲线。在拟合曲线之前,需要考虑拟合的有效性,即计算其平均损失,平均损失的阈值可设置为,其中y为所有第一置信度的平均值,使最终拟合曲线中,数值点均在曲线的附近。然后,将拟合曲线的斜率作为参数,与预设阈值进行比较,确认道路病害的种类。
应理解的是,若道路病害的状态为完全态,则直接将拟合曲线的斜率与预设阈值进行比较,若道路病害的状态为中间态,则将拟合曲线的斜率乘以变异系数后与预设阈值进行比较。
通过拟合曲线的方式能够更准确的得到参数,且能够根据已有的初次识别结果确认道路病害的种类,不需要多次重复识别,提高了工作效率,节省了成本。
在另一些实施例中,若道路病害的种类为未明确类型或基本明确类型,可再次派巡检车进行巡检,获取重新识别结果,再根据重新识别结果,获取道路病害的种类。
本发明实施中,道路病害的种类可以是未明确类型、基本明确类型或完全明确类型。未明确类型指的是无法完全确认道路病害的类型;基本明确类型指的是能够基本确认道路病害的类型,但是确认结果不完全准确;完全明确类型指的是能确认道路病害的种类,且确认结果准确。
步骤240之后,若所述道路病害的种类为完全确定类型,则所述方法还包括:
发送对完全确定类型的所述道路病害的修补请求。
当道路病害的种类为完全确定类型时,则向养护单位发送该道路病害的修补请求,对道路病害进行及时修补,避免对交通造成持续影响。
针对修补请求,应记录修补请求的信息,如修补请求的道路病害的位置信息、类型、面积以及发送修补请求的时间等。
在发送对完全确定类型的所述道路病害的修补请求之后,所述方法还包括:
获取修补后的所述道路病害的修补后的识别结果;
根据所述修补后的识别结果,获取修补质量;
获取接收所述修补请求的养护单位到所述道路病害的距离;
根据发送修补请求的时间、完成修补的时间和养护单位到所述道路病害的距离,获取修补的及时性。
由于巡检车的巡检是持续进行的,当发送修补请求至养护单位后,持续获取发送修补请求的道路病害的识别结果,若仍识别出该道路病害,则说明未修补,或修补质量不合格,若识别出该道路病害变为修补补丁,则说明完成了修补,记录完成修补的时间,根据接收修补请求的养护单位到该道路病害的距离以及发送修补请求的时间以及完成修补的时间,即可判断修补的及时性。
另外,对于病害聚集的情况,设置集聚性病害组,不对集聚性病害组中具体的道路病害类型考虑,避免影响识别的准确性。例如,其中一个区域,既有裂缝又有龟裂,由于获取的识别结果中,不容易对两种类型进行区分,可能会导致多次巡检过程中获取的识别结果具有较大的差异。因此,将较为相近的类型进行合并处理,不再进行具体的区分,有利于结果的稳定,且对于相近的类型,其修补手法和工具也类似,发送修补请求后,养护单位采用类似的修复手法和工具即可完成修补。
图2为一个实施例中道路病害识别方法的流程示意图。应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其他的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为了执行上述实施例及各个可选实施例中的步骤,本发明提供了一种道路病害识别装置,如图3所示,所述装置包括:
初次识别结果获取模块310,用于根据巡检车的巡检结果,获取道路病害的初次识别结果;
置信度获取模块320,用于根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度;
第一判定模块330,根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类;
第二判定模块340,用于若所述道路病害的种类为未明确类型或基本明确类型,则获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类。
在一个实施例中,所述装置还包括:
道路病害状态获取模块,用于根据所述道路病害对于不同类型的置信度,获取所述道路病害的状态,其中,所述道路病害的状态为完全态或中间态;
位置偏移修正模块,用于根据所述初次识别结果,获取所述道路病害的位置信息;根据所述道路病害的前一个道路病害的位置信息及后一个道路病害的位置信息,判断所述道路病害的位置信息是否发生偏移;若所述道路病害的位置信息发生偏移,则根据所述道路病害的前一个道路病害的位置信息以及后一个道路病害的位置信息,获取所述道路病害修正后的位置信息;
修补请求发送模块,用于发送对完全确定类型的所述道路病害的修补请求;
修补质量获取模块,用于获取修补后的所述道路病害的修补后的识别结果;根据所述修补后的识别结果,获取修补质量;
修补及时性获取模块,用于获取接收所述修补请求的养护单位到所述道路病害的距离;根据发送修补请求的时间、完成修补的时间和养护单位到所述道路病害的距离,获取修补的及时性。
图4示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110(或服务器120)。如图4所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现道路病害识别方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行道路病害识别方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
根据巡检车的巡检结果,获取道路病害的初次识别结果;
根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度;
根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类,其中,所述道路病害的种类为未明确类型、基本明确类型或完全明确类型;
若所述道路病害的种类为未明确类型或基本明确类型,则获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类。
在一个实施例中,处理器执行计算机程序时还实现以上道路病害识别方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据巡检车的巡检结果,获取道路病害的初次识别结果;
根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度;
根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类,其中,所述道路病害的种类为未明确类型、基本明确类型或完全明确类型;
若所述道路病害的种类为未明确类型或基本明确类型,则获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类。
在一个实施例中,处理器执行计算机程序时还实现道路病害识别方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其他介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。虽然本发明公开披露如上,但本发明公开的保护范围并非仅限于此。本领域技术人员在不脱离本发明公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种道路病害识别方法,其特征在于,所述方法包括:
根据巡检车的巡检结果,获取道路病害的初次识别结果;
根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度;
根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类,其中,所述道路病害的种类为未明确类型、基本明确类型或完全明确类型;
若所述道路病害的种类为未明确类型或基本明确类型,则获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类;
在所述根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度之后,在所述根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类之前,所述方法还包括:
根据所述道路病害对于不同类型的置信度,获取所述道路病害的状态,其中,所述道路病害的状态为完全态或中间态;
所述根据所述道路病害对于不同类型的置信度,获取所述道路病害的种类,包括:
若所述道路病害的状态为完全态,根据所述道路病害的第一置信度和第二置信度,获取第一参数,将所述第一参数与预设阈值比较,获取所述道路病害的种类;
若所述道路病害的状态为中间态,根据所述道路病害的第一置信度、第二置信度和变异系数,获取第二参数,将所述第二参数与预设阈值进行比较,获取所述道路病害的种类;
其中,所述第一置信度和所述第二置信度分别为所述道路病害对于不同类型的置信度中按照从大至小排序的第一个和第二个置信度,所述变异系数大于0且小于1。
2.根据权利要求1所述的道路病害识别方法,其特征在于,所述根据所述道路病害对于不同类型的置信度,获取所述道路病害的状态,包括:
根据所述道路病害的所述第一置信度,获取所述第一置信度对应的第一类型;
根据所述第一类型,获取所述道路病害的状态。
3.根据权利要求1所述的道路病害识别方法,其特征在于,所述若所述道路病害的种类为未明确类型或基本明确类型,则获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类,包括:
若所述道路病害的种类为未明确类型或基本明确类型,则根据所述道路病害的初次识别结果,获取所述道路病害的第一置信度和第二置信度,并对第一置信度和第二置信度拟合曲线;
根据所述拟合曲线,再次获取所述道路病害的种类。
4.根据权利要求1所述的道路病害识别方法,其特征在于,若所述道路病害的种类为完全明确 类型,则所述方法还包括:
发送对完全明确 类型的所述道路病害的修补请求。
5.根据权利要求4所述的道路病害识别方法,其特征在于,在所述发送对完全明确 类型的所述道路病害的修补请求之后,所述方法还包括:
获取修补后的所述道路病害的修补后的识别结果;
根据所述修补后的识别结果,获取修补质量;
获取接收所述修补请求的养护单位到所述道路病害的距离;
根据发送修补请求的时间、完成修补的时间和养护单位到所述道路病害的距离,获取修补的及时性。
6.根据权利要求1所述的道路病害识别方法,其特征在于,在所述根据巡检车的巡检结果,获取道路病害的初次识别结果之后,在所述根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度之前,所述方法还包括:
根据所述初次识别结果,获取当前道路病害的位置信息;
根据所述当前道路病害的前一个道路病害的位置信息及后一个道路病害的位置信息,判断所述当前道路病害的位置信息是否发生偏移;
若所述当前道路病害的位置信息发生偏移,则根据所述当前道路病害的前一个道路病害的位置信息以及后一个道路病害的位置信息,获取所述当前道路病害修正后的位置信息。
7.一种道路病害识别装置,其特征在于,所述装置包括:
初次识别结果获取模块,用于根据巡检车的巡检结果,获取道路病害的初次识别结果;
置信度获取模块,用于根据所述道路病害的初次识别结果,获取所述道路病害对于不同类型的置信度;
道路病害状态判定模块,根据所述道路病害对于不同类型的置信度,获取所述道路病害的状态;
第一判定模块,所述第一判定模块用于:若所述道路病害的状态为完全态,根据所述道路病害的第一置信度和第二置信度,获取第一参数,将所述第一参数与预设阈值比较,获取所述道路病害的种类;
若所述道路病害的状态为中间态,根据所述道路病害的第一置信度、第二置信度和变异系数,获取第二参数,将所述第二参数与预设阈值进行比较,获取所述道路病害的种类;
其中,所述第一置信度和所述第二置信度分别为所述道路病害对于不同类型的置信度中按照从大至小排序的第一个和第二个置信度,所述变异系数大于0且小于1,所述道路病害的种类为未明确类型、基本明确类型或完全明确类型;
第二判定模块,用于获取所述道路病害的重新识别结果,根据重新识别结果,再次获取所述道路病害的种类。
8.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-6任一项所述的道路病害识别方法。
9.一种计算机设备,其特征在于,包括处理器、存储器及存储于所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求1-6任一项所述的道路病害识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210992243.2A CN115082802B (zh) | 2022-08-18 | 2022-08-18 | 道路病害识别方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210992243.2A CN115082802B (zh) | 2022-08-18 | 2022-08-18 | 道路病害识别方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115082802A CN115082802A (zh) | 2022-09-20 |
CN115082802B true CN115082802B (zh) | 2023-02-03 |
Family
ID=83244910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210992243.2A Active CN115082802B (zh) | 2022-08-18 | 2022-08-18 | 道路病害识别方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115082802B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115049B (zh) * | 2023-10-17 | 2024-03-29 | 深圳市城市交通规划设计研究中心股份有限公司 | 探地雷达道路内部图像的降噪方法、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420621A (zh) * | 2021-06-08 | 2021-09-21 | 广东省大湾区集成电路与系统应用研究院 | 一种路面病害程度识别方法、装置、设备及存储介质 |
CN113780200A (zh) * | 2021-09-15 | 2021-12-10 | 安徽理工大学 | 基于计算机视觉的路面多种病害面积检测及定位方法 |
CN114708539A (zh) * | 2022-04-19 | 2022-07-05 | 广州欢聚时代信息科技有限公司 | 图像类型识别方法及其装置、设备、介质、产品 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685124A (zh) * | 2018-12-14 | 2019-04-26 | 斑马网络技术有限公司 | 基于神经网络的道路病害识别方法及装置 |
CN113888481A (zh) * | 2021-06-11 | 2022-01-04 | 重庆红岩建设机械制造有限责任公司 | 一种桥面病害检测方法、系统、设备及存储介质 |
CN114113118B (zh) * | 2021-12-01 | 2023-10-13 | 同济大学 | 一种地铁隧道衬砌裂缝渗漏水病害快速检测装置及其检测方法 |
CN114418950A (zh) * | 2021-12-22 | 2022-04-29 | 杭州智科通智能科技有限公司 | 道路病害检测方法、装置、设备及存储介质 |
-
2022
- 2022-08-18 CN CN202210992243.2A patent/CN115082802B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420621A (zh) * | 2021-06-08 | 2021-09-21 | 广东省大湾区集成电路与系统应用研究院 | 一种路面病害程度识别方法、装置、设备及存储介质 |
CN113780200A (zh) * | 2021-09-15 | 2021-12-10 | 安徽理工大学 | 基于计算机视觉的路面多种病害面积检测及定位方法 |
CN114708539A (zh) * | 2022-04-19 | 2022-07-05 | 广州欢聚时代信息科技有限公司 | 图像类型识别方法及其装置、设备、介质、产品 |
Also Published As
Publication number | Publication date |
---|---|
CN115082802A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108335377B (zh) | 一种基于gis技术的道路巡查车辆业务自动考核的方法 | |
CN115082802B (zh) | 道路病害识别方法、装置、设备及可读存储介质 | |
CN103617110A (zh) | 服务器设备状态检修系统 | |
CN112163348A (zh) | 道路异常路面的检测方法、装置、仿真方法、车辆和介质 | |
CN113269042B (zh) | 基于行驶车辆违章识别的智能交通管理方法及系统 | |
CN111942397A (zh) | 危险驾驶行为监控方法、装置、存储介质 | |
CN112561344A (zh) | 基于ai视频分析的多源数据的道路危险货物运输动态分析与评价方法 | |
CN111144485A (zh) | 基于xgboost分类算法的车辆事故判断方法和系统 | |
CN117790086B (zh) | 一种双米标电线电缆切割计量标识的方法 | |
CN116380496B (zh) | 一种汽车车门疲劳耐久测试方法、系统及介质 | |
CN113176968A (zh) | 基于接口参数分类的安全测试方法、装置及存储介质 | |
CN116070111B (zh) | 一种基于ai的大数据挖掘的辅助决策方法及系统 | |
CN116071726A (zh) | 一种基于边缘计算的道路巡检系统及方法 | |
CN110555188A (zh) | 一种动车组车轮参数磨耗趋势的分析方法 | |
CN115690700A (zh) | 公路破损的识别方法、装置及相关设备 | |
CN114463293A (zh) | 基于图像处理技术的钢结构质量无线检测分析方法及系统 | |
US20030072481A1 (en) | Method for evaluating anomalies in a semiconductor manufacturing process | |
CN112927498A (zh) | 一种基于智慧交通监控的数据分析方法及装置 | |
CN112361807B (zh) | 一种水梁印自动识别方法 | |
CN116797407B (zh) | 一种室外建筑场地施工管理方法及系统 | |
CN118053114A (zh) | 路面病害发展预测方法、装置、系统、设备及介质 | |
CN114330993A (zh) | 铁路轨道质量状态评估方法、装置和计算机设备 | |
CN116633664B (zh) | 一种用于网络安全监测的评估系统 | |
CN117893521A (zh) | 一种路面裂缝分析方法、系统及终端 | |
CN117097531A (zh) | 一种基于Semiorder的系统脆弱性排序方法、系统、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |