(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210685384.X (22)申请日 2022.06.15 (71)申请人 首都师范大学 地址 100048 北京市海淀区西三环北路10 5 号 (72)发明人 付小雁　贺雪洁　 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/766(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 基于桥连特征融合的道路病害检测方法及 系统 (57)摘要 本发明提供了一种基于桥连特征融合的道 路病害检测方法及系统， 包括如下步骤： 获取道 路病害数据集； 构建桥连特征融合网络； 训练桥 连特征融合网络； 测试网络权重模型； 检测道路 病害类型及位置。 该方法在提取道路病害图像中 的特征时， 以CSPDarknet ‑53为骨干网络， 以桥连 的方式直接将特征提取过程中的第一金字塔与 第三金字塔中的对应尺度特征拼接融合， 在深层 特征中融合浅层特征中的小目标特征信息和大 目标外观信息， 防止多层下采样操作造成小目标 特征丢失和大目标外观信息淡化问题， 减少了道 路病害检测 中小面积病害易漏检和大面积病害 定位范围不 准确情况， 提升 了检测精度。 权利要求书2页 说明书6页 附图3页 CN 115272843 A 2022.11.01 CN 115272843 A 1.一种基于桥连 特征融合的道路病害检测方法， 其特 征在于， 包括以下步骤： S10、 获取道路病害数据集： 获取公开道路病害图像， 调整图像标注文件格式， 整合道路 病害数据集； S20、 图像训练集预处理： 采用 马赛克增 强技术丰富图像训练集数据， 对图像进行随机 水平翻转、 随机色彩空间变换； S30、 构建桥连特征融合网络： 采用CSPDarknet ‑53网络为骨干网络提取图像特征， 以桥 连方式将第一金字塔特 征拼接到第三金字塔特 征中进行 特征融合； S40、 训练桥连特征融合网络： 设置网络训练参数， 借助自适应聚类算法统计训练集中 的锚框尺寸， 以YOLOv5 s权重模型为预训练权重对桥连特征融合网络进 行更新训练， 得到结 果权重模型； S50、 测试结果权重模型： 图像测试集预处理， 利用结果权重模型提取图像特征， 采用回 归操作得到测试 结果， 将测试 结果与真值对比得到结果权 重模型的评价指标； S60、 道路病害图像检测： 利用结果权重模型提取待检测图像特征， 采用回归操作生成 病害类型、 置信度与目标框位置 。 2.根据权利要求1所述的一种基于桥连特征融合的道路病 害检测方法， 其特征在于， 所 述S10具体包括： S11、 获取RD D2020公开道路病害数据集中的图像； S12、 调整图像标注文件格式， 将原数据集中的VOC类型格式调整为YOLO格式； S13、 整合道路病害数据集， 包括训练集和测试集， 并将道路病害 的类型划分为四种类 型， 分别为纵向裂缝、 横向裂缝、 鳄鱼裂缝和坑洞。 3.根据权利要求1所述的一种基于桥连特征融合的道路病 害检测方法， 其特征在于， 所 述S20具体包括： S21、 采用马赛克增强技术对四张图片经过随机缩放、 随机十字裁剪和随机拼接操作组 合在一起， 丰富数据集中目标局部特 征； S22、 对图像进行随机水平翻转、 随机色彩空间变换， 扩充图像数据。 4.根据权利要求1所述的一种基于桥连特征融合的道路病 害检测方法， 其特征在于， 所 述S30具体包括： S31、 采用CS PDarknet‑53网络作为骨干网络提取图像特 征； S32、 以桥连方式跨过第二金字塔， 直接将第一金字塔特征拼接到第三金字塔特征中进 行特征融合， 构建桥连 特征融合网络 。 5.根据权利要求1所述的一种基于桥连特征融合的道路病 害检测方法， 其特征在于， 所 述S40具体包括： S41、 设置网络中初始锚框、 深度因子、 学习率和处 理批次等训练参数； S42、 利用k ‑means聚类算法得到每个检测层聚类后的锚框尺度大小， 用以体现该检测 层中病害目标常见的锚框比例； S43、 以YOLOv5s权重模型为预训练权重对桥连特征融合网络进行更新训练， 采用 CIoULoss损失函数调节模型权 重， 输出结果权重模型。 6.根据权利要求1所述的一种基于桥连特征融合的道路病 害检测方法， 其特征在于， 所 述S50具体包括：权　利　要　求　书 1/2 页 2 CN 115272843 A 2S51、 使用RDD2020test1数据 集作为道路病害图像测试集， 统一将测试集输入图像缩放 到640×640大小； S52、 利用S43中输出的结果权重模型提取图像特征， 输出三个尺度的特征并送入检测 层； S53、 对每一检测层进行网络编码， 通过回归操作生成病害类型与目标框位置； S54、 汇总测试集中所有图像的测试结果， 生成测试结果表格文件， 将测试结果表格文 件上传至道路病害竞 赛官网， 反馈得到结果权 重模型的综合 性能得分F1 ‑score评价指标。 7.根据权利要求1所述的一种基于桥连特征融合的道路病 害检测方法， 其特征在于， 所 述S60具体包括： S61、 将待检测图像输入结果权重模型中， 提取出待检测图像的三个尺度 特征并送入检 测层； S62、 对每一检测层进行网络编码， 通过回归操作生成病害类型、 置信度与目标框位置， 并将结果显示在待检测图像上。 8.一种基于桥连 特征融合的道路病害检测系统， 其特 征在于， 包括以下模块： M10、 图像处理模块： 用于对采集到的待检测道路图像进行预处理， 对图像进行剪裁等 处理操作， 将经 过预处理的图像传送至所述图像特 征提取模块中； M20、 图像特征提取模块： 利用训练得到的结果权重模型从输入图像 中提取出道路病害 整体特征并送入图像 检测模块； M30、 图像检测模块： 对输入特征进行分类回归操作， 生成分类结果、 置信度与目标框位 置， 完成道路病害检测。权　利　要　求　书 2/2 页 3 CN 115272843 A 3