公开(公告)号：CN115690041A

公开(公告)日：2023-02-03

申请号：CN202211340907.3

申请日：2022-10-30

Applicant: 苏州大学

Inventor： 徐向阳 ,  赵勉 ,  杨浩

IPC: G06T7/00 ,  G06T7/73 ,  G06V10/25 ,  G06V10/28 ,  G06V10/30 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本申请公开了一种基于稀疏特征的两阶段智能道路裂缝定位系统，包括第一阶段的数据采集模块、数据分析与预处理模块、第二阶段的模型训练模块、裂纹智能检测模块，所述数据采集模块对道路进行拍摄，采集有裂纹的图片；所述数据分析与预处理模块先分析数据集，再使用稀疏特征预处理方法；所述模型训练模块使用Faster R‑CNN网络训练，包括特征提取模块、区域候选网络模块、兴趣域池化模块和回归分类模块，用数据采集模块与数据分析与预处理模块处理好的数据集进行训练；裂纹智能检测模块使用模型对道路进行检测且该模型能轻松应对多种复杂的道路情况。本申请易操作，可以实时获得道路的裂纹检测情况。

公开(公告)号：CN115273009A

公开(公告)日：2022-11-01

申请号：CN202210909472.3

申请日：2022-07-29

Applicant: 苏州大学

Inventor： 徐向阳 ,  杨浩 ,  赵勉

IPC: G06V20/56 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06V10/22 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的道路裂纹检测方法及系统，方法包括预处理目标道路的照片得到预测集，预处理已有裂纹的图片得到训练集；构建包括特征提取结构、区域建议生成结构和分类回归结构的深度卷积神经网络模型，使用训练集训练网络模型得到训练完成的网络模型；将预测集输入所述训练完成的网络模型得到道路裂纹检测结果；系统包括数据采集模块和智能检测模块，数据采集模块采集目标道路的照片；智能检测模块根据采集到的目标道路的照片得到道路裂纹检测结果。本发明可以实现自动识别，提高检测效率和精确度、适用于不同裂纹情况的道路。