CN116858851A - 道路损伤检测方法、装置、计算机设备和存储介质 - Google Patents
道路损伤检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116858851A CN116858851A CN202310740091.1A CN202310740091A CN116858851A CN 116858851 A CN116858851 A CN 116858851A CN 202310740091 A CN202310740091 A CN 202310740091A CN 116858851 A CN116858851 A CN 116858851A
- Authority
- CN
- China
- Prior art keywords
- damage
- road
- sub
- information
- target
- 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.)
- Pending
Links
- 230000006378 damage Effects 0.000 title claims abstract description 810
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000008439 repair process Effects 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012423 maintenance Methods 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 8
- 208000027418 Wounds and injury Diseases 0.000 description 24
- 208000014674 injury Diseases 0.000 description 24
- 238000012545 processing Methods 0.000 description 10
- 230000003902 lesion Effects 0.000 description 7
- 230000009526 moderate injury Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009528 severe injury Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005336 cracking Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009525 mild injury Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007791 dehumidification Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 208000037974 severe injury Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请涉及一种道路损伤检测方法、装置、计算机设备和存储介质。方法包括:获取采集箱发送的道路的传感数据信息、采集箱发送的道路的图像信息、以及多个不同程度的样本损伤范围,并基于道路的传感数据信息,确定道路的当前损伤范围,以及道路的损伤传感图谱;基于道路的图像信息、以及道路的当前损伤范围,识别道路的目标损伤区域,并基于道路的损伤传感图谱,识别道路的损伤类型;获取目标损伤区域的损伤传感数据,并基于道路的损伤类型、以及损伤类型的各程度的样本损伤范围,计算目标损伤区域的损伤传感数据对应的损伤等级;将目标损伤区域、损伤等级、以及损伤类型,作为道路的目标损伤信息。采用本方法能够提升道路损伤检测的精准度。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种道路损伤检测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
道路基础设施在服役期间,受到车辆、环境等荷载的往复作用,会发生开裂、脱空等病害,使得道路的服役能力降低。监测道路的服役状态,使得养护方能在病害早期对道路进行修复,是延长道路使用使用寿命、降低道路全寿命周期成本的重要途径。因此,如何检测道路损伤情况是当前的研究重点。
传统道路损伤检测方法是通过人工检测道路当前的状态,并基于该状态,通过工作人员的经验判断该道路的损伤情况,但是基于该方案需要耗费大量人力成本,且人工判断由于工作人员的经验不同导致获取的道路损伤情况判断结果偏差较大,从而导致道路损伤的检测精准度较低。
发明内容
基于此,有必要针对上述技术问题,提供一种道路损伤检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种道路损伤检测方法。所述方法包括:
获取采集箱发送的道路的传感数据信息、所述采集箱发送的道路的图像信息、以及多个不同程度的样本损伤范围,并基于所述道路的传感数据信息,确定所述道路的当前损伤范围,以及所述道路的损伤传感图谱;所述样本损伤范围包括不同损伤类型的损伤范围;
基于所述道路的图像信息、以及所述道路的当前损伤范围,通过损伤位置识别策略,识别所述道路的目标损伤区域,并基于所述道路的损伤传感图谱,通过损伤鉴别网络,识别所述道路的损伤类型;
获取所述目标损伤区域的损伤传感数据,并基于所述道路的损伤类型、以及所述损伤类型的各所述程度的样本损伤范围,计算所述目标损伤区域的损伤传感数据对应的损伤等级;
将所述目标损伤区域、所述目标损伤区域的损伤等级、以及所述目标损伤区域的损伤类型,作为所述道路的目标损伤信息。
可选的,所述道路的传感数据信息包括所述道路的多个传感器的传感信息、以及各所述传感器的位置信息;所述基于所述道路的传感数据信息,确定所述道路的当前损伤范围,以及所述道路的损伤传感图谱,包括:
基于各所述传感器的传感信息、以及各传感器的位置信息,建立所述道路的三维传感图数据,并在所述道路的三维传感图数据中,筛选满足道路损伤条件的损伤图数据,将所述三维传感图数据中包含所有损伤图数据的范围,作为所述道路的当前损伤范围;所述损伤图数据包括所述损伤图数据对应的像素点的位置信息、以及所述损伤图数据对应的像素点的传感信息;
基于所述当前损伤范围内的各图数据的位置信息、以及各所述图数据的传感信息,建立所述当前损伤范围的各图数据对应的损伤传感图谱。
可选的,所述基于所述道路的图像信息、以及所述道路的当前损伤范围,通过损伤位置识别策略,识别所述道路的目标损伤区域,包括:
建立所述道路的图像信息的三维图数据,并通过损伤图像识别网络,识别所述道路的图像信息的损伤位置区域;
建立所述三维传感图数据、以及所述三维图数据的对应关系,并基于所述对应关系识别所述当前损伤范围内的损伤位置区域对应的子损伤范围;
将所述当前损伤范围内的各损伤图数据,按照每个损伤图数据的距离所述子损伤范围的距离的远近进行聚类处理,得到多个损伤图数据组,并计算每个损伤图数据组中的各损伤图数据距离所述子损伤范围的平均距离;
筛选低于预设距离阈值的平均距离对应的损伤图数据组中的各目标损伤图数据,并将所述子损伤范围、以及所述子损伤范围对应的目标损伤图数据包含的范围,作为子损伤区域,将所有子损伤区域,作为所述道路的目标损伤区域。
可选的,所述基于所述道路的损伤传感图谱,通过损伤鉴别网络,识别所述道路的损伤类型,包括:
提取所述损伤传感图谱的每个子损伤区域的损伤特征数据,并分别将每个损伤特征数据输入损伤鉴别网络,得到每个损伤特征数据对应的子损伤类型;
并将每个损伤特征数据对应的子损伤类型,作为所述道路的损伤类型。
可选的,所述基于所述道路的损伤类型、以及所述损伤类型的各所述程度的样本损伤范围,计算所述目标损伤区域的损伤传感数据对应的损伤等级,包括:
针对每个子损伤区域,基于所述子损伤区域的子损伤类型对应的各所述程度的样本损伤范围,识别所述子损伤区域的损伤传感数据所属的样本损伤范围,得到所述子损伤区域对应的子损伤类型的程度;
基于所述子损伤区域对应的子损伤类型、以及所述子损伤区域对应的子损伤类型的程度,通过损伤等级划分策略,确定所述子损伤区域对应的损伤等级。
可选的,所述将所述目标损伤区域、所述目标损伤区域的损伤等级、以及所述目标损伤区域的损伤类型,作为所述道路的目标损伤信息之后,还包括:
针对每个子损伤区域,基于所述子损伤区域的子损伤类型,以及所述子损伤区域的子损伤类型的程度,确定所述子损伤区域的损伤修补策略;
按照每个子损伤区域的损伤等级从高到低的顺序,对每个子损伤区域的维修顺序进行排列,得到各所述子损伤区域的修补序列;并将每个子损伤区域的损伤修补策略填充至所述修补序列中,得到所述目标损伤区域的修补任务信息,将包含所述修补任务信息、以及所述目标损伤区域的损伤信息的预警信息发送至显示模块。
可选的,所述方法还包括:
响应于用户的传感器采集系统更新操作,获取每个传感器的采集系统更新信息,并将所述采集系统更新数据信息发送至所述采集箱;所述采集系统更新数据信息用于将每个传感器的当前采集系统数据信息,更新为所述采集系统更新数据信息。
可选的,所述方法还包括:
响应于用户的传感器采集任务上传操作,生成每个传感器的采集指令,并将所述采集指令发送至所述采集箱;所述采集指令包括每个传感器的采集任务,所述采集指令用于指示每个传感器执行所述采集指令中的采集任务。
第二方面,本申请还提供了一种道路损伤检测装置。所述装置包括:
获取模块,用于获取采集箱发送的道路的传感数据信息、所述采集箱发送的道路的图像信息、以及多个不同程度的样本损伤范围,并基于所述道路的传感数据信息,确定所述道路的当前损伤范围,以及所述道路的损伤传感图谱;所述样本损伤范围包括不同损伤类型的损伤范围;
识别模块,用于基于所述道路的图像信息、以及所述道路的当前损伤范围,通过损伤位置识别策略,识别所述道路的目标损伤区域,并基于所述道路的损伤传感图谱,通过损伤鉴别网络,识别所述道路的损伤类型;
重新获取模块,用于获取所述目标损伤区域的损伤传感数据,并基于所述道路的损伤类型、以及所述损伤类型的各所述程度的样本损伤范围,计算所述目标损伤区域的损伤传感数据对应的损伤等级;
确定模块,用于将所述目标损伤区域、所述目标损伤区域的损伤等级、以及所述目标损伤区域的损伤类型,作为所述道路的目标损伤信息。
可选的,所述道路的传感数据信息包括所述道路的多个传感器的传感信息、以及各所述传感器的位置信息;所述获取模块,具体用于:
基于各所述传感器的传感信息、以及各传感器的位置信息,建立所述道路的三维传感图数据,并在所述道路的三维传感图数据中,筛选满足道路损伤条件的损伤图数据,将所述三维传感图数据中包含所有损伤图数据的范围,作为所述道路的当前损伤范围;所述损伤图数据包括所述损伤图数据对应的像素点的位置信息、以及所述损伤图数据对应的像素点的传感信息;
基于所述当前损伤范围内的各图数据的位置信息、以及各所述图数据的传感信息,建立所述当前损伤范围的各图数据对应的损伤传感图谱。
可选的,所述识别模块,具体用于:
建立所述道路的图像信息的三维图数据,并通过损伤图像识别网络,识别所述道路的图像信息的损伤位置区域;
建立所述三维传感图数据、以及所述三维图数据的对应关系,并基于所述对应关系识别所述当前损伤范围内的损伤位置区域对应的子损伤范围;
将所述当前损伤范围内的各损伤图数据,按照每个损伤图数据的距离所述子损伤范围的距离的远近进行聚类处理,得到多个损伤图数据组,并计算每个损伤图数据组中的各损伤图数据距离所述子损伤范围的平均距离;
筛选低于预设距离阈值的平均距离对应的损伤图数据组中的各目标损伤图数据,并将所述子损伤范围、以及所述子损伤范围对应的目标损伤图数据包含的范围,作为子损伤区域,将所有子损伤区域,作为所述道路的目标损伤区域。
可选的,所述识别模块,具体用于:
提取所述损伤传感图谱的每个子损伤区域的损伤特征数据,并分别将每个损伤特征数据输入损伤鉴别网络,得到每个损伤特征数据对应的子损伤类型;
并将每个损伤特征数据对应的子损伤类型,作为所述道路的损伤类型。
可选的,所述重新获取模块,具体用于:
针对每个子损伤区域,基于所述子损伤区域的子损伤类型对应的各所述程度的样本损伤范围,识别所述子损伤区域的损伤传感数据所属的样本损伤范围,得到所述子损伤区域对应的子损伤类型的程度;
基于所述子损伤区域对应的子损伤类型、以及所述子损伤区域对应的子损伤类型的程度,通过损伤等级划分策略,确定所述子损伤区域对应的损伤等级。
可选的,所述装置还包括:
策略确定模块,用于针对每个子损伤区域,基于所述子损伤区域的子损伤类型,以及所述子损伤区域的子损伤类型的程度,确定所述子损伤区域的损伤修补策略;
任务确定模块,用于按照每个子损伤区域的损伤等级从高到低的顺序,对每个子损伤区域的维修顺序进行排列,得到各所述子损伤区域的修补序列;并将每个子损伤区域的损伤修补策略填充至所述修补序列中,得到所述目标损伤区域的修补任务信息,将包含所述修补任务信息、以及所述目标损伤区域的损伤信息的预警信息发送至显示模块。
可选的,所述装置还包括:
更新模块,用于响应于用户的传感器采集系统更新操作,获取每个传感器的采集系统更新信息,并将所述采集系统更新数据信息发送至所述采集箱;所述采集系统更新数据信息用于将每个传感器的当前采集系统数据信息,更新为所述采集系统更新数据信息。
可选的,所述装置还包括:
指令发送模块,用于响应于用户的传感器采集任务上传操作,生成每个传感器的采集指令,并将所述采集指令发送至所述采集箱;所述采集指令包括每个传感器的采集任务,所述采集指令用于指示每个传感器执行所述采集指令中的采集任务。
第三方面,本申请还提供了一种道路损伤检测系统。所述系统包括云平台和采集箱:
所述采集箱与所述云平台通信连接;
所述采集箱,用于采集道路的传感数据信息、以及所述道路的图像信息;
所述云平台,用于获取多个不同程度的样本损伤范围,并基于所述道路的传感数据信息,确定所述道路的当前损伤范围,以及所述道路的损伤传感图谱;所述样本损伤范围包括不同损伤类型的损伤范围;基于所述道路的图像信息、以及所述道路的当前损伤范围,通过损伤位置识别策略,识别所述道路的目标损伤区域,并基于所述道路的损伤传感图谱,通过损伤鉴别网络,识别所述道路的损伤类型;获取所述目标损伤区域的损伤传感数据,并基于所述道路的损伤类型、以及所述损伤类型的各所述程度的样本损伤范围,计算所述目标损伤区域的损伤传感数据对应的损伤等级;将所述目标损伤区域、所述目标损伤区域的损伤等级、以及所述目标损伤区域的损伤类型,作为所述道路的目标损伤信息。
第四方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。
第五方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
第六方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤
上述道路损伤检测方法、装置、计算机设备和存储介质,通过获取采集箱发送的道路的传感数据信息、采集箱发送的道路的图像信息、以及多个不同程度的样本损伤范围,并基于所述道路的传感数据信息,确定所述道路的当前损伤范围,以及所述道路的损伤传感图谱;所述样本损伤范围包括不同损伤类型的损伤范围;基于所述道路的图像信息、以及所述道路的当前损伤范围,通过损伤位置识别策略,识别所述道路的目标损伤区域,并基于所述道路的损伤传感图谱,通过损伤鉴别网络,识别所述道路的损伤类型;获取所述目标损伤区域的损伤传感数据,并基于所述道路的损伤类型、以及所述损伤类型的各所述程度的样本损伤范围,计算所述目标损伤区域的损伤传感数据对应的损伤等级;将所述目标损伤区域、所述目标损伤区域的损伤等级、以及所述目标损伤区域的损伤类型,作为所述道路的目标损伤信息。通过道路的传感数据信息、以及道路的图像信息,确定道路的目标损伤区域,并通过损伤鉴别网络、基于多个不同程度的样本损伤范围,识别该目标损伤区域的损伤类型、以及目标损伤区域的损伤等级,得到该道路的目标损伤信息,在避免人工检测的同时,通过确定目标损伤区域,提升了判断道路损伤所在位置的精准度,然后,识别目标损伤区域的损伤类型、以及目标损伤区域的损伤等级,减少了判断道路损伤信息的数据处理量,提升了道路损伤信息的检测效率,最后,通过多个不同程度的样本损伤范围,识别目标损伤区域的损伤等级,提升了道路损伤检测的精准度。
附图说明
图1为一个实施例中道路损伤检测方法的流程示意图;
图2为一个实施例中道路损伤检测系统的结构示意图;
图3为另一个实施例中道路损伤检测示例的流程示意图;
图4为一个实施例中道路损伤检测装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的道路损伤检测方法,该方法应用于道路基础设施监控系统,该系统包括云平台201、以及采集箱202,该云平台用于控制该采集箱采集道路的传感数据信息,该采集箱202通过内嵌于道路的多个固定位置信息的传感器,采集该道路的传感数据信息,并将道路的传感数据信息发送至云平台201。其中,云平台通过道路的传感数据信息、以及道路的图像信息,确定道路的目标损伤区域,并通过损伤鉴别网络、基于多个不同程度的样本损伤范围,识别该目标损伤区域的损伤类型、以及目标损伤区域的损伤等级,得到该道路的目标损伤信息,在避免人工检测的同时,通过确定目标损伤区域,提升了判断道路损伤所在位置的精准度,然后,识别目标损伤区域的损伤类型、以及目标损伤区域的损伤等级,减少了判断道路损伤信息的数据处理量,提升了道路损伤信息的检测效率,最后,通过多个不同程度的样本损伤范围,识别目标损伤区域的损伤等级,提升了道路损伤检测的精准度。
在一个实施例中,如图1所示,提供了一种道路损伤检测方法,以该方法应用于云平台为例进行说明,包括以下步骤:
步骤S101,获取采集箱发送的道路的传感数据信息、道路的图像信息,以及多个不同程度的样本损伤范围,并基于道路的传感数据信息,确定道路的当前损伤范围,以及道路的损伤传感图谱。
其中,样本损伤范围包括不同损伤类型的损伤范围。
本实施例中,云平台通过采集箱采集内置于道路的多个传感器,获取每个传感器采集的道路的传感信息、云平台将预设于云平台的每个传感器的位置信息、以及每个传感器采集的道路的传感信息,作为该道路的传感数据信息。云平台通过设置于采集箱的图像采集设备采集的道路图像,获取该道路的图像信息。其中图像采集设备可以但不限于是照相机、单反相机等摄影设备。然后,云平台在数据库中,获取道路的每种损伤类型在不同损伤程度的情况下,该道路的损伤传感数据。作为该道路的多个不同程度的样本损伤范围。其中,道路的损伤类型包括,断层、开裂、错台、脱空、塌陷、凹陷、坑洼等。损伤程度按照不同损伤类型进行确定,损伤程度包括轻度损伤、中度损伤、以及重度损伤等。例如开裂1m对应的程度为中度损伤、错台10cm对应的程度为重度损伤、脱空2mm对应的程度为轻度损伤等。损伤范围为道路的损伤传感数据的范围。其中,该传感数据信息可以表征为图表形式,且采集箱实时采集各传感器的传感数据,并实时存储于该采集箱中。其中设置于采集箱的图像采集设备可以实时采集道路图像、道路视频,并实时存储于该采集箱中。
其中,传感器为振动传感器,该传感器的传感信息为在车辆经过该道路的该传感器探测范围内时,该传感器采集的该车辆在探测范围内与地面碰撞的振动频率、以及振动振幅。
然后,云平台基于该道路的传感数据信息中的传感器的位置信息、以及传感器的传感信息,分析道路当前的损伤范围、并确定该损伤范围内的道路的损伤传感图谱。具体的确定过程后续将详细说明。
步骤S102,基于道路的图像信息、以及道路的当前损伤范围,通过损伤位置识别策略,识别道路的目标损伤区域,并基于道路的损伤传感图谱,通过损伤鉴别网络,识别道路的损伤类型。
本实施例中,云平台基于道路的图像信息,将道路的当前损伤范围进行限缩,通过损伤位置识别策略,识别该当前损伤范围中的目标损伤区域。其中目标损伤区域中包含多个子损伤区域,每个子损伤区域可以不相连接。具体的识别过程后续将详细说明。然后,云平台将该道路的损伤传感图谱输入损伤鉴别网络,识别该损伤传感图谱对应的损伤类型。具体的数据处理过程,后续将详细说明。
步骤S103,获取目标损伤区域的损伤传感数据,并基于道路的损伤类型、以及损伤类型的各程度的样本损伤范围,计算目标损伤区域的损伤传感数据对应的损伤等级。
本实施例中,云平台基于每个传感器,获取目标损伤区域的损伤传感数据,然后,云平台基于该道路的损伤类型,以及该损伤类型的各程度的样本损伤范围,基于该目标损伤区域的损伤传感数据对应的样本损伤范围,确定该目标损伤区域对应的损伤类型的损伤程度,并基于该目标损伤区域对应的损伤类型的损伤程度,确定该目标损伤区域的损伤等级。其中,云平台预先存储每个损伤类型的各损伤程度对应的等级。不同损伤类型的相同程度对应的损伤等级不同。例如,开裂的程度为中度损伤时的损伤等级为3级、凹陷的程度为中度损伤时对应的损伤等级为1级、脱空的程度为中度损伤时的损伤等级为2级,其中级数约低表征损伤越严重,即1级为最严重的损伤。
步骤S104,将目标损伤区域、目标损伤区域的损伤等级、以及目标损伤区域的损伤类型,作为道路的目标损伤信息。
本实施例中,云平台将目标损伤区域、目标损伤区域的损伤等级、以及目标损伤区域的损伤类型,作为道路的目标损伤信息。
基于上述方案,通过道路的传感数据信息、以及道路的图像信息,确定道路的目标损伤区域,并通过损伤鉴别网络、基于多个不同程度的样本损伤范围,识别该目标损伤区域的损伤类型、以及目标损伤区域的损伤等级,得到该道路的目标损伤信息,在避免人工检测的同时,通过确定目标损伤区域,提升了判断道路损伤所在位置的精准度,然后,识别目标损伤区域的损伤类型、以及目标损伤区域的损伤等级,减少了判断道路损伤信息的数据处理量,提升了道路损伤信息的检测效率,最后,通过多个不同程度的样本损伤范围,识别目标损伤区域的损伤等级,提升了道路损伤检测的精准度。
可选的,道路的传感数据信息包括道路的多个传感器的传感信息、以及各传感器的位置信息;基于道路的传感数据信息,确定道路的当前损伤范围,以及道路的损伤传感图谱,包括:基于各传感器的传感信息、以及各传感器的位置信息,建立道路的三维传感图数据,并在道路的三维传感图数据中,筛选满足道路损伤条件的损伤图数据,将三维传感图数据中包含所有损伤图数据的范围,作为道路的当前损伤范围;损伤图数据包括损伤图数据对应的像素点的位置信息、以及损伤图数据对应的像素点的传感信息;基于当前损伤范围内的各图数据的位置信息、以及各图数据的传感信息,建立当前损伤范围的各图数据对应的损伤传感图谱。
本实施例中,云平台基于各传感器的传感信息、以及各传感器的位置信息,、以所有传感器采集的范围为边界的大地坐标系,建立三维数据图。然后,云平台将每个传感器采集的传感数据、基于该传感器的位置信息对应的三维数据图的位置信息,填充至该三维数据图中,得到该道路的三维传感图数据。其中,三维传感图数据包括多个图数据对应的像素点的损伤数据(即图数据对应的像素点的传感信息)。
云平台预设损伤数据阈值,并在道路的三维传感图数据中,筛选大于损伤数据阈值的损伤数据的像素点对应的图数据,作为损伤图数据。然后云平台将三维传感图数据中包含所有损伤图数据的范围,作为道路的当前损伤范围。其中,损伤图数据包括损伤图数据对应的像素点的位置信息、以及损伤图数据对应的像素点的传感信息。云平台基于当前损伤范围内的各图数据的位置信息、以及各图数据的传感信息,按照各损伤图数据的位置信息的分布情况,建立当前损伤范围的各图数据对应的损伤传感图谱。
基于上述方案,通过建立三维传感图数据,筛选当前损伤范围,并基于该损伤范围的各损伤图数据,建立损伤传感图谱,提升了损伤传感图谱的计算精准度。
可选的,基于道路的图像信息、以及道路的当前损伤范围,通过损伤位置识别策略,识别道路的目标损伤区域,包括:建立道路的图像信息的三维图数据,并通过损伤图像识别网络,识别道路的图像信息的损伤位置区域;建立三维传感图数据、以及三维图数据的对应关系,并基于对应关系识别当前损伤范围内的损伤位置区域对应的子损伤范围;将当前损伤范围内的各损伤图数据,按照每个损伤图数据的距离子损伤范围的距离的远近进行聚类处理,得到多个损伤图数据组,并计算每个损伤图数据组中的各损伤图数据距离子损伤范围的平均距离;筛选低于预设距离阈值的平均距离对应的损伤图数据组中的各目标损伤图数据,并将子损伤范围、以及子损伤范围对应的目标损伤图数据包含的范围,作为子损伤区域,将所有子损伤区域,作为道路的目标损伤区域。
本实施例中,云平台基于大地坐标系,建立该道路的图像信息的三维图数据,并通过损伤图像识别网络,识别道路的图像信息中道路损伤位置对应的损伤位置区域。其中该损伤图像识别网络为基于图像特征识别的卷积神经网络。云平台基于三维传感图数据的图像比例、以及三维图传感数据的图像包含的各像素点数目,将三维图数据进行等比例、等像素处理,并建立已处理的三维图数据与每个三维传感图数据中的相同位置信息的像素点之间的对应关系。然后云平台基于该对应关系,确定三维图数据的损伤位置区域对应的三维传感图数据的损伤当前损伤范围内的损伤位置区域。云平台将损伤当前损伤范围内的损伤位置区域,作为该当前损伤范围的子损伤范围。然后,云平台计算当前损伤范围内的各损伤图数据与该子损伤范围的直线距离,并按照每个损伤图数据的距离子损伤范围的距离的远近进行聚类处理,得到多个损伤图数据组。
云平台预设距离阈值,并计算每个损伤图数据组中的各损伤图数据距离子损伤范围的平均距离。然后,云平台筛选低于预设距离阈值的平均距离对应的损伤图数据组中的各目标损伤图数据,并将子损伤范围、以及子损伤范围对应的目标损伤图数据包含的范围,作为子损伤区域,将所有子损伤区域,作为道路的目标损伤区域。
其中,云平台重新获取多个损伤类型的样本图像信息、以及每个样本图像信息中的样本损伤图像信息。然后,云平台针对每个损伤类型的样本图像信息,将该损伤类型的样本图像信息、以及该损伤类型的样本图像信息中的样本损伤图像信息输入初始损伤图像识别网络,训练初始损伤图像识别网络的损伤类型的损伤识别参数,得到损伤图像识别网络。其中初始损伤图像识别网络为基于图像特征识别的卷积神经网络。
基于上述方案,通过道路的图像信息,对该道路的当前损伤范围进行限缩,并将当前损伤范围划分为多个子损伤区域,提升了鉴别该道路的各子损伤区域对应的损伤信息的精准度。
可选的,基于道路的损伤传感图谱,通过损伤鉴别网络,识别道路的损伤类型,包括:提取损伤传感图谱的每个子损伤区域的损伤特征数据,并分别将每个损伤特征数据输入损伤鉴别网络,得到每个损伤特征数据对应的子损伤类型;并将每个损伤特征数据对应的子损伤类型,作为道路的损伤类型。
本实施例中,云平台提取损伤传感图谱的每个子损伤区域的损伤特征数据。其中该损伤特征数据为该自损伤区域对应的损伤传感图谱中的子损伤传感图谱。云平台分别将每个损伤特征数据输入损伤鉴别网络,通过该损伤鉴别网络,识别每个损伤特征数据对应的子损伤类型。然后云平台将每个损伤特征数据对应的子损伤类型,作为道路的损伤类型。其中该损伤鉴别网络为强化学习神经网络,该损伤鉴别网络通过多个损伤类型的样本损伤传感图谱输入初始强化学习神经网络,训练该初始强化学习神经网络对应的每种损伤类型的鉴别参数范围,得到损伤鉴别网络。
基于上述方案,通过损伤鉴别网络,基于每个子损伤区域的损伤特征数据,识别每个子损伤区域的子损伤类型,提升了识别损伤区域的损伤类型的效率。
可选的,基于道路的损伤类型、以及损伤类型的各程度的样本损伤范围,计算目标损伤区域的损伤传感数据对应的损伤等级,包括:针对每个子损伤区域,基于子损伤区域的子损伤类型对应的各程度的样本损伤范围,识别子损伤区域的损伤传感数据所属的样本损伤范围,得到子损伤区域对应的子损伤类型的程度;基于子损伤区域对应的子损伤类型、以及子损伤区域对应的子损伤类型的程度,通过损伤等级划分策略,确定子损伤区域对应的损伤等级。
本实施例中,云平台针对每个子损伤区域,基于子损伤区域的子损伤类型对应的各程度的样本损伤范围,识别子损伤区域的损伤传感数据所属的样本损伤范围,得到子损伤区域对应的子损伤类型的程度。然后,云平台基于预设与云平台的每个损伤类型的程度对应的损伤等级、该子损伤区域对应的子损伤类型、以及该子损伤区域对应的子损伤类型的程度,确定该子损伤区域对应的损伤等级。
本实施例中,云平台基于预设与云平台的每个损伤类型的程度对应的损伤等级,识别每个子损伤区域的损伤等级,提升了识别损伤等级的效率。
可选的,将目标损伤区域、目标损伤区域的损伤等级、以及目标损伤区域的损伤类型,作为道路的目标损伤信息之后,还包括:针对每个子损伤区域,基于子损伤区域的子损伤类型,以及子损伤区域的子损伤类型的程度,确定子损伤区域的损伤修补策略;按照每个子损伤区域的损伤等级从高到低的顺序,对每个子损伤区域的维修顺序进行排列,得到各子损伤区域的修补序列;并将每个子损伤区域的损伤修补策略填充至修补序列中,得到目标损伤区域的修补任务信息,将包含修补任务信息、以及目标损伤区域的损伤信息的预警信息发送至显示模块。
本实施例中,云平台预设每种损伤类型的维修方式、以及每种损伤类型的不同程度对应的维修资源消耗信息。然后,针对每个自损伤区域,云平台基于该子损伤区域的子损伤类型,确定该子损伤区域的维修方式,基于该子损伤区域的子损伤类型的程度,确定该子损伤区域的维修资源消耗信息。然后云平台将该子损伤区域的维修方式、以及该子损伤区域的维修资源消耗信息,作为该子损伤区域的损伤修补策略。例如,子损伤区域的子损伤类型、以及该子损伤区域的子损伤类型的程度为凹陷、以及凹陷的损伤程度为中度损伤,则基于预设于云平台的每种损伤类型的维修方式、以及每种损伤类型的不同程度对应的维修资源需求信息,得到凹陷对应的维修方式为注浆修复,中度损伤的凹陷的维修方式对应的维修资源消耗信息为0.3吨/m3。云平台将每个子损伤区域的维修顺序,按照每个子损伤区域的损伤等级从高到低的顺序进行排雷,得到每个子损伤区域的修补序列。最后,云平台将每个子损伤区域的损伤修补策略填充至修补序列中,得到目标损伤区域的修补任务信息,云平台在获取到该修补任务信息之后,将包含该修补任务信息、以及目标损伤区域的损伤信息的预警信息发送至显示模块。
基于上述方案,通过目标损伤区域的损伤信息,确定目标损伤区域的修补任务信息,提升了确定的目标损伤区域的修补任务信息的精准度。
可选的,方法还包括:响应于用户的传感器采集系统更新操作,获取每个传感器的采集系统更新信息,并将采集系统更新数据信息发送至采集箱;采集系统更新数据信息用于将每个传感器的当前采集系统数据信息,更新为采集系统更新数据信息。
本实施例中,在用户需要更新传感器的采集系统时,云平台响应于用户的传感器采集系统更新操作,获取每个传感器的采集系统更新信息。然后云平台将采集系统更新数据信息发送至采集箱。采集箱将该采集系统更新数据信息分别发送至各传感器中,并控制该传感器更新将当前采集系统数据信息更新为采集系统更新数据信息。
基于上述方案,通过云平台实时控制采集箱更新传感器,避免人工更新每个传感器的过程,提升了传感器的更新效率。
可选的,方法还包括:响应于用户的传感器采集任务上传操作,生成每个传感器的采集指令,并将采集指令发送至采集箱;采集指令包括每个传感器的采集任务,采集指令用于指示每个传感器执行采集指令中的采集任务。
本实施例中,在用户需要调整传感器的采集任务的情况下,云平台响应于用户的传感器采集任务上传操作,基于采集任务,生成每个传感器的采集指令,然后云平台将该采集指令发送至该采集箱;其中,该采集指令包括每个传感器的采集任务。采集器将该采集指令分别发送至每个传感器,并控制每个传感器执行该采集指令中的采集任务。其中,该采集任务还包括采集箱在执行采集任务时的散热、除湿的工作状态对应的数值、以及该采集箱开始/结束采集的时间点。其中该云平台在不同用户访问该云平台时,会对不同用户进行鉴权处理。不同用户访问该云平台的权限不同,且不同用户只能查询到该用户自身在该云平台的操作信息。
在一个实施例中,如图2所示,提供了一种道路损伤检测系统,该系统包括云平台201和采集箱202:
采集箱202与云平台201通信连接;采集箱202,用于采集道路的传感数据信息;云平台201,用于获取道路的图像信息、多个不同程度的样本损伤范围,并基于道路的传感数据信息,确定道路的当前损伤范围,以及道路的损伤传感图谱;样本损伤范围包括不同损伤类型的损伤范围;基于道路的图像信息、以及道路的当前损伤范围,通过损伤位置识别策略,识别道路的目标损伤区域,并基于道路的损伤传感图谱,通过损伤鉴别网络,识别道路的损伤类型;获取目标损伤区域的损伤传感数据,并基于道路的损伤类型、以及损伤类型的各程度的样本损伤范围,计算目标损伤区域的损伤传感数据对应的损伤等级;将目标损伤区域、目标损伤区域的损伤等级、以及目标损伤区域的损伤类型,作为道路的目标损伤信息。
本实施例中,采集箱202与云平台201通信连接。采集箱202将每个传感器采集的道路的传感数据信息发送至云平台201,云平台201通过处理该道路的传感数据信息、图像采集设备采集的道路图像信息、以及数据库中的多个不同程度的样本损伤范围得到该道路的目标损伤信息。其中,该采集箱202202内设置有下载端口,该下载端口用于用户下载存储于该采集箱202的历史道路的传感数据信息、以及存储于该采集箱202的历史道路的道路图像和道路视频。
其中,云平台201向采集箱202传输控制信息(即采集系统更新数据信息、以及控制指令),采集箱202向云平台201传输数据信息(即道路的传感数据信息、以及道路的图像信息),云平台201内的鉴权模块用于存储每个用户的使用权限、配置下发模块用于响应于用户的传感器采集系统更新操作,获取每个传感器的采集系统更新信息;收发控制模块用于与采集箱202进行数据传输,存储模块用于存储该云平台201处理的每个数据信息;分析处理模块用于执行步骤S101至步骤S102之间的内容;诊断模块用于执行步骤S103至步骤S104之间的内容;显示模块用于显示目标损伤区域的损伤信息、以及目标损伤区域的修补任务信息;告警模块用于在接收到预警信息之后,执行向用户告警提醒的任务。
在一个实施例中,如图3所示,提供了一种道路损伤检测示例,该示例包括以下步骤:
步骤S301,获取采集箱发送的道路的传感数据信息、采集箱发送的道路的图像信息、以及多个不同程度的样本损伤范围。
步骤S302,基于各传感器的传感信息、以及各传感器的位置信息,建立道路的三维传感图数据,并在道路的三维传感图数据中,筛选满足道路损伤条件的损伤图数据,将三维传感图数据中包含所有损伤图数据的范围,作为道路的当前损伤范围。
步骤S303,基于当前损伤范围内的各图数据的位置信息、以及各图数据的传感信息,建立当前损伤范围的各图数据对应的损伤传感图谱。
步骤S304,建立道路的图像信息的三维图数据,并通过损伤图像识别网络,识别道路的图像信息的损伤位置区域。
步骤S305,建立三维传感图数据、以及三维图数据的对应关系,并基于对应关系识别当前损伤范围内的损伤位置区域对应的子损伤范围。
步骤S306,将当前损伤范围内的各损伤图数据,按照每个损伤图数据的距离子损伤范围的距离的远近进行聚类处理,得到多个损伤图数据组,并计算每个损伤图数据组中的各损伤图数据距离子损伤范围的平均距离。
步骤S307,筛选低于预设距离阈值的平均距离对应的损伤图数据组中的各目标损伤图数据,并将子损伤范围、以及子损伤范围对应的目标损伤图数据包含的范围,作为子损伤区域,将所有子损伤区域,作为道路的目标损伤区域。
步骤S308,提取损伤传感图谱的每个子损伤区域的损伤特征数据,并分别将每个损伤特征数据输入损伤鉴别网络,得到每个损伤特征数据对应的子损伤类型。
步骤S309,并将每个损伤特征数据对应的子损伤类型,作为道路的损伤类型。
步骤S310,针对每个子损伤区域,基于子损伤区域的子损伤类型对应的各程度的样本损伤范围,识别子损伤区域的损伤传感数据所属的样本损伤范围,得到子损伤区域对应的子损伤类型的程度。
步骤S311,基于子损伤区域对应的子损伤类型、以及子损伤区域对应的子损伤类型的程度,通过损伤等级划分策略,确定子损伤区域对应的损伤等级。
步骤S312,将目标损伤区域、目标损伤区域的损伤等级、以及目标损伤区域的损伤类型,作为道路的目标损伤信息。
应该理解的是,虽然如上所述的各实施例所涉及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,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的道路损伤检测方法的道路损伤检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个道路损伤检测装置实施例中的具体限定可以参见上文中对于道路损伤检测方法的限定,在此不再赘述。
在一个实施例中,如图4所示,提供了一种道路损伤检测装置,包括:获取模块410、识别模块420、重新获取模块430和确定模块440,其中:
获取模块410,用于获取采集箱发送的道路的传感数据信息、所述采集箱发送的道路的图像信息、以及多个不同程度的样本损伤范围,并基于所述道路的传感数据信息,确定所述道路的当前损伤范围,以及所述道路的损伤传感图谱;所述样本损伤范围包括不同损伤类型的损伤范围;
识别模块420,用于基于所述道路的图像信息、以及所述道路的当前损伤范围,通过损伤位置识别策略,识别所述道路的目标损伤区域,并基于所述道路的损伤传感图谱,通过损伤鉴别网络,识别所述道路的损伤类型;
重新获取模块430,用于获取所述目标损伤区域的损伤传感数据,并基于所述道路的损伤类型、以及所述损伤类型的各所述程度的样本损伤范围,计算所述目标损伤区域的损伤传感数据对应的损伤等级;
确定模块440,用于将所述目标损伤区域、所述目标损伤区域的损伤等级、以及所述目标损伤区域的损伤类型,作为所述道路的目标损伤信息。
可选的,所述道路的传感数据信息包括所述道路的多个传感器的传感信息、以及各所述传感器的位置信息;所述获取模块410,具体用于:
基于各所述传感器的传感信息、以及各传感器的位置信息,建立所述道路的三维传感图数据,并在所述道路的三维传感图数据中,筛选满足道路损伤条件的损伤图数据,将所述三维传感图数据中包含所有损伤图数据的范围,作为所述道路的当前损伤范围;所述损伤图数据包括所述损伤图数据对应的像素点的位置信息、以及所述损伤图数据对应的像素点的传感信息;
基于所述当前损伤范围内的各图数据的位置信息、以及各所述图数据的传感信息,建立所述当前损伤范围的各图数据对应的损伤传感图谱。
可选的,所述识别模块420,具体用于:
建立所述道路的图像信息的三维图数据,并通过损伤图像识别网络,识别所述道路的图像信息的损伤位置区域;
建立所述三维传感图数据、以及所述三维图数据的对应关系,并基于所述对应关系识别所述当前损伤范围内的损伤位置区域对应的子损伤范围;
将所述当前损伤范围内的各损伤图数据,按照每个损伤图数据的距离所述子损伤范围的距离的远近进行聚类处理,得到多个损伤图数据组,并计算每个损伤图数据组中的各损伤图数据距离所述子损伤范围的平均距离;
筛选低于预设距离阈值的平均距离对应的损伤图数据组中的各目标损伤图数据,并将所述子损伤范围、以及所述子损伤范围对应的目标损伤图数据包含的范围,作为子损伤区域,将所有子损伤区域,作为所述道路的目标损伤区域。
可选的,所述识别模块420,具体用于:
提取所述损伤传感图谱的每个子损伤区域的损伤特征数据,并分别将每个损伤特征数据输入损伤鉴别网络,得到每个损伤特征数据对应的子损伤类型;
并将每个损伤特征数据对应的子损伤类型,作为所述道路的损伤类型。
可选的,所述重新获取模块430,具体用于:
针对每个子损伤区域,基于所述子损伤区域的子损伤类型对应的各所述程度的样本损伤范围,识别所述子损伤区域的损伤传感数据所属的样本损伤范围,得到所述子损伤区域对应的子损伤类型的程度;
基于所述子损伤区域对应的子损伤类型、以及所述子损伤区域对应的子损伤类型的程度,通过损伤等级划分策略,确定所述子损伤区域对应的损伤等级。
可选的,所述装置还包括:
策略确定模块,用于针对每个子损伤区域,基于所述子损伤区域的子损伤类型,以及所述子损伤区域的子损伤类型的程度,确定所述子损伤区域的损伤修补策略;
任务确定模块,用于按照每个子损伤区域的损伤等级从高到低的顺序,对每个子损伤区域的维修顺序进行排列,得到各所述子损伤区域的修补序列;并将每个子损伤区域的损伤修补策略填充至所述修补序列中,得到所述目标损伤区域的修补任务信息,将包含所述修补任务信息、以及所述目标损伤区域的损伤信息的预警信息发送至显示模块。
可选的,所述装置还包括:
更新模块,用于响应于用户的传感器采集系统更新操作,获取每个传感器的采集系统更新信息,并将所述采集系统更新数据信息发送至所述采集箱;所述采集系统更新数据信息用于将每个传感器的当前采集系统数据信息,更新为所述采集系统更新数据信息。
可选的,所述装置还包括:
指令发送模块,用于响应于用户的传感器采集任务上传操作,生成每个传感器的采集指令,并将所述采集指令发送至所述采集箱;所述采集指令包括每个传感器的采集任务,所述采集指令用于指示每个传感器执行所述采集指令中的采集任务。
上述道路损伤检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是云平台,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的云平台进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种道路损伤检测方法。该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,该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。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现第一方面中任一项所述的方法的步骤。
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第一方面中任一项所述的方法的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,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、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种道路损伤检测方法,其特征在于,所述方法包括:
获取采集箱发送的道路的传感数据信息、所述采集箱发送的道路的图像信息、以及多个不同程度的样本损伤范围,并基于所述道路的传感数据信息,确定所述道路的当前损伤范围,以及所述道路的损伤传感图谱;所述样本损伤范围包括不同损伤类型的损伤范围;
基于所述道路的图像信息、以及所述道路的当前损伤范围,通过损伤位置识别策略,识别所述道路的目标损伤区域,并基于所述道路的损伤传感图谱,通过损伤鉴别网络,识别所述道路的损伤类型;
获取所述目标损伤区域的损伤传感数据,并基于所述道路的损伤类型、以及所述损伤类型的各所述程度的样本损伤范围,计算所述目标损伤区域的损伤传感数据对应的损伤等级;
将所述目标损伤区域、所述目标损伤区域的损伤等级、以及所述目标损伤区域的损伤类型,作为所述道路的目标损伤信息。
2.根据权利要求1所述的方法,其特征在于,所述道路的传感数据信息包括所述道路的多个传感器的传感信息、以及各所述传感器的位置信息;所述基于所述道路的传感数据信息,确定所述道路的当前损伤范围,以及所述道路的损伤传感图谱,包括:
基于各所述传感器的传感信息、以及各传感器的位置信息,建立所述道路的三维传感图数据,并在所述道路的三维传感图数据中,筛选满足道路损伤条件的损伤图数据,将所述三维传感图数据中包含所有损伤图数据的范围,作为所述道路的当前损伤范围;所述损伤图数据包括所述损伤图数据对应的像素点的位置信息、以及所述损伤图数据对应的像素点的传感信息;
基于所述当前损伤范围内的各图数据的位置信息、以及各所述图数据的传感信息,建立所述当前损伤范围的各图数据对应的损伤传感图谱。
3.根据权利要求2所述的方法,其特征在于,所述基于所述道路的图像信息、以及所述道路的当前损伤范围,通过损伤位置识别策略,识别所述道路的目标损伤区域,包括:
建立所述道路的图像信息的三维图数据,并通过损伤图像识别网络,识别所述道路的图像信息的损伤位置区域;
建立所述三维传感图数据、以及所述三维图数据的对应关系,并基于所述对应关系识别所述当前损伤范围内的损伤位置区域对应的子损伤范围;
将所述当前损伤范围内的各损伤图数据,按照每个损伤图数据的距离所述子损伤范围的距离的远近进行聚类处理,得到多个损伤图数据组,并计算每个损伤图数据组中的各损伤图数据距离所述子损伤范围的平均距离;
筛选低于预设距离阈值的平均距离对应的损伤图数据组中的各目标损伤图数据,并将所述子损伤范围、以及所述子损伤范围对应的目标损伤图数据包含的范围,作为子损伤区域,将所有子损伤区域,作为所述道路的目标损伤区域。
4.根据权利要求3所述的方法,其特征在于,所述基于所述道路的损伤传感图谱,通过损伤鉴别网络,识别所述道路的损伤类型,包括:
提取所述损伤传感图谱的每个子损伤区域的损伤特征数据,并分别将每个损伤特征数据输入损伤鉴别网络,得到每个损伤特征数据对应的子损伤类型;
并将每个损伤特征数据对应的子损伤类型,作为所述道路的损伤类型。
5.根据权利要求4所述的方法,其特征在于,所述基于所述道路的损伤类型、以及所述损伤类型的各所述程度的样本损伤范围,计算所述目标损伤区域的损伤传感数据对应的损伤等级,包括:
针对每个子损伤区域,基于所述子损伤区域的子损伤类型对应的各所述程度的样本损伤范围,识别所述子损伤区域的损伤传感数据所属的样本损伤范围,得到所述子损伤区域对应的子损伤类型的程度;
基于所述子损伤区域对应的子损伤类型、以及所述子损伤区域对应的子损伤类型的程度,通过损伤等级划分策略,确定所述子损伤区域对应的损伤等级。
6.根据权利要求5所示的方法,其特征在于,所述将所述目标损伤区域、所述目标损伤区域的损伤等级、以及所述目标损伤区域的损伤类型,作为所述道路的目标损伤信息之后,还包括:
针对每个子损伤区域,基于所述子损伤区域的子损伤类型,以及所述子损伤区域的子损伤类型的程度,确定所述子损伤区域的损伤修补策略;
按照每个子损伤区域的损伤等级从高到低的顺序,对每个子损伤区域的维修顺序进行排列,得到各所述子损伤区域的修补序列;并将每个子损伤区域的损伤修补策略填充至所述修补序列中,得到所述目标损伤区域的修补任务信息,将包含所述修补任务信息、以及所述目标损伤区域的损伤信息的预警信息发送至显示模块。
7.根据权利要求1所示的方法,其特征在于,所述方法还包括:
响应于用户的传感器采集系统更新操作,获取每个传感器的采集系统更新信息,并将所述采集系统更新数据信息发送至所述采集箱;所述采集系统更新数据信息用于将每个传感器的当前采集系统数据信息,更新为所述采集系统更新数据信息。
8.根据权利要求1所示的方法,其特征在于,所述方法还包括:
响应于用户的传感器采集任务上传操作,生成每个传感器的采集指令,并将所述采集指令发送至所述采集箱;所述采集指令包括每个传感器的采集任务,所述采集指令用于指示每个传感器执行所述采集指令中的采集任务。
9.一种道路损伤检测系统,其特征在于,所述系统包括云平台和采集箱:
所述采集箱与所述云平台通信连接;
所述采集箱,用于采集道路的传感数据信息、以及所述道路的图像信息;
所述云平台,用于获取多个不同程度的样本损伤范围,并基于所述道路的传感数据信息,确定所述道路的当前损伤范围,以及所述道路的损伤传感图谱;所述样本损伤范围包括不同损伤类型的损伤范围;基于所述道路的图像信息、以及所述道路的当前损伤范围,通过损伤位置识别策略,识别所述道路的目标损伤区域,并基于所述道路的损伤传感图谱,通过损伤鉴别网络,识别所述道路的损伤类型;获取所述目标损伤区域的损伤传感数据,并基于所述道路的损伤类型、以及所述损伤类型的各所述程度的样本损伤范围,计算所述目标损伤区域的损伤传感数据对应的损伤等级;将所述目标损伤区域、所述目标损伤区域的损伤等级、以及所述目标损伤区域的损伤类型,作为所述道路的目标损伤信息。
10.一种道路损伤检测装置,其特征在于,所述装置包括:
获取模块,用于获取采集箱发送的道路的传感数据信息、所述采集箱发送的道路的图像信息、以及多个不同程度的样本损伤范围,并基于所述道路的传感数据信息,确定所述道路的当前损伤范围,以及所述道路的损伤传感图谱;所述样本损伤范围包括不同损伤类型的损伤范围;
识别模块,用于基于所述道路的图像信息、以及所述道路的当前损伤范围,通过损伤位置识别策略,识别所述道路的目标损伤区域,并基于所述道路的损伤传感图谱,通过损伤鉴别网络,识别所述道路的损伤类型;
重新获取模块,用于获取所述目标损伤区域的损伤传感数据,并基于所述道路的损伤类型、以及所述损伤类型的各所述程度的样本损伤范围,计算所述目标损伤区域的损伤传感数据对应的损伤等级;
确定模块,用于将所述目标损伤区域、所述目标损伤区域的损伤等级、以及所述目标损伤区域的损伤类型,作为所述道路的目标损伤信息。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310740091.1A CN116858851A (zh) | 2023-06-21 | 2023-06-21 | 道路损伤检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310740091.1A CN116858851A (zh) | 2023-06-21 | 2023-06-21 | 道路损伤检测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116858851A true CN116858851A (zh) | 2023-10-10 |
Family
ID=88231324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310740091.1A Pending CN116858851A (zh) | 2023-06-21 | 2023-06-21 | 道路损伤检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116858851A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9371072B1 (en) * | 2015-03-24 | 2016-06-21 | Toyota Jidosha Kabushiki Kaisha | Lane quality service |
KR102026685B1 (ko) * | 2018-11-12 | 2019-11-04 | 한국건설기술연구원 | 영상과 진동을 이용한 도로불량정보 제공 장치 및 서버 |
CN110636134A (zh) * | 2019-09-29 | 2019-12-31 | 江西建设职业技术学院 | 一种城市道路损伤监测维护方法及系统 |
JP2021111089A (ja) * | 2020-01-09 | 2021-08-02 | 前田建設工業株式会社 | 道路管理システム、道路管理方法、及びプログラム |
US11592309B1 (en) * | 2020-01-27 | 2023-02-28 | United Services Automobile Association (Usaa) | Method and system for distributed detection of road conditions and damage |
CN115876799A (zh) * | 2022-11-25 | 2023-03-31 | 上海同陆云交通科技有限公司 | 一种面向高等级公路综合巡查的边缘计算方法及系统 |
CN116242774A (zh) * | 2022-09-08 | 2023-06-09 | 武汉光谷卓越科技股份有限公司 | 适用于农村公路的轻量化三维检测方法及装置 |
-
2023
- 2023-06-21 CN CN202310740091.1A patent/CN116858851A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9371072B1 (en) * | 2015-03-24 | 2016-06-21 | Toyota Jidosha Kabushiki Kaisha | Lane quality service |
KR102026685B1 (ko) * | 2018-11-12 | 2019-11-04 | 한국건설기술연구원 | 영상과 진동을 이용한 도로불량정보 제공 장치 및 서버 |
CN110636134A (zh) * | 2019-09-29 | 2019-12-31 | 江西建设职业技术学院 | 一种城市道路损伤监测维护方法及系统 |
JP2021111089A (ja) * | 2020-01-09 | 2021-08-02 | 前田建設工業株式会社 | 道路管理システム、道路管理方法、及びプログラム |
US11592309B1 (en) * | 2020-01-27 | 2023-02-28 | United Services Automobile Association (Usaa) | Method and system for distributed detection of road conditions and damage |
CN116242774A (zh) * | 2022-09-08 | 2023-06-09 | 武汉光谷卓越科技股份有限公司 | 适用于农村公路的轻量化三维检测方法及装置 |
CN115876799A (zh) * | 2022-11-25 | 2023-03-31 | 上海同陆云交通科技有限公司 | 一种面向高等级公路综合巡查的边缘计算方法及系统 |
Non-Patent Citations (1)
Title |
---|
周艳主编: "《道路工程施工新技术》", vol. 978, 30 November 2013, 中国矿业大学出版社, pages: 181 - 192 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807385B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
US10078790B2 (en) | Systems for generating parking maps and methods thereof | |
Tan et al. | Automatic detection of sewer defects based on improved you only look once algorithm | |
CN109410192B (zh) | 一种多纹理分级融合的织物缺陷检测方法及其装置 | |
CN108280902A (zh) | 车载监控设备的文件处理方法及装置、车载监控设备 | |
CN110705370A (zh) | 基于深度学习的路况识别方法、装置、设备及存储介质 | |
CN115842954A (zh) | 目标区域车辆监控方法、装置、系统及存储介质 | |
CN109685062A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN114492580A (zh) | 水利监控方法、装置、设备及存储介质 | |
CN116881783B (zh) | 道路损伤检测方法、装置、计算机设备、存储介质 | |
CN116858851A (zh) | 道路损伤检测方法、装置、计算机设备和存储介质 | |
CN117422938A (zh) | 基于三维分析平台的坝坡混凝土结构异常分析方法 | |
CN116309470A (zh) | 灯珠平面故障监测方法、装置、计算机设备和存储介质 | |
CN115512098B (zh) | 一种桥梁电子化巡检系统及巡检方法 | |
US20230314169A1 (en) | Method and apparatus for generating map data, and non-transitory computer-readable storage medium | |
CN116727691A (zh) | 基于数字化管理的金属3d打印方法及系统 | |
JP7020581B1 (ja) | タイヤの状態の推定方法 | |
CN115009296A (zh) | 传感器检测方法、装置、计算机设备和计算机程序产品 | |
CN114119531A (zh) | 应用于校园智慧平台的火灾检测方法、装置及计算机设备 | |
CN110021176B (zh) | 交通灯决策方法、装置、计算机设备和存储介质 | |
CN113807125A (zh) | 应急车道占用检测方法、装置、计算机设备和存储介质 | |
CN114630102A (zh) | 检测数据采集设备角度变化的方法、装置和计算机设备 | |
CN114170498A (zh) | 遗洒物检测方法、装置、计算机设备和存储介质 | |
CN114066739A (zh) | 背景点云滤除方法、装置、计算机设备和存储介质 | |
CN116403165B (zh) | 一种危险化学品泄露应急处理方法、装置及可读存储介质 |
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 |