本公開(kāi)涉及路面病害識(shí)別，尤其涉及一種路面病害識(shí)別方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品。

背景技術(shù)：

1、本部分旨在為權(quán)利要求書(shū)中陳述的本公開(kāi)的實(shí)施方式提供背景或上下文。此處的描述不因?yàn)榘ㄔ诒静糠种芯统姓J(rèn)是現(xiàn)有技術(shù)。

2、路面病害識(shí)別是確保道路安全和延長(zhǎng)道路使用壽命的重要環(huán)節(jié)。隨著技術(shù)的發(fā)展，路面病害識(shí)別已經(jīng)從人工檢測(cè)階段發(fā)展到了自動(dòng)化和智能化的階段。

3、不同類型的路面以及不同類型的路面病害的識(shí)別標(biāo)準(zhǔn)也不盡相同。例如，對(duì)于普通干線公路和高速公路瀝青路面來(lái)講，需要在預(yù)設(shè)尺寸的路面網(wǎng)格范圍內(nèi)識(shí)別是否包含路面損壞，如裂縫、修補(bǔ)、坑槽等；對(duì)于水泥路面來(lái)講，需要識(shí)別特殊的病害類型，如露骨、破碎板、板角斷裂等；而對(duì)于農(nóng)村公路來(lái)講，需要識(shí)別裂縫的寬度從而定義裂縫嚴(yán)重程度。

4、相關(guān)技術(shù)中，往往使用一個(gè)模型識(shí)別一種病害或使用一個(gè)模型識(shí)別幾種同質(zhì)的病害，如同樣使用網(wǎng)格定義的病害。

5、然而，這導(dǎo)致面向多種損壞類型和判別標(biāo)準(zhǔn)需要設(shè)計(jì)并部署多個(gè)識(shí)別模型，這一方面在實(shí)際應(yīng)用中大大降低了系統(tǒng)工作效率，另一方面各種病害之間也無(wú)法建立有效關(guān)聯(lián)，降低了識(shí)別準(zhǔn)確率。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本公開(kāi)的目的在于提出一種路面病害識(shí)別方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品，至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問(wèn)題之一。

2、基于上述目的，本公開(kāi)示例性實(shí)施例第一方面提供了一種路面病害識(shí)別方法，包括：

3、獲取待識(shí)別路面圖像，基于級(jí)聯(lián)的第一數(shù)量個(gè)卷積操作對(duì)所述待識(shí)別路面圖像進(jìn)行第一特征提取，得到第一特征圖，基于級(jí)聯(lián)的第二數(shù)量個(gè)跳躍連接卷積模塊對(duì)所述第一特征圖進(jìn)行第二特征提取，得到第二特征圖；

4、基于并行的第三數(shù)量個(gè)第一預(yù)測(cè)頭分別對(duì)所述第二特征圖進(jìn)行解耦，得到不同路面病害類型對(duì)應(yīng)的第一解耦特征圖，基于所述第一解耦特征圖進(jìn)行網(wǎng)格級(jí)路面病害預(yù)測(cè)，得到每個(gè)所述第一預(yù)測(cè)頭對(duì)應(yīng)的網(wǎng)格級(jí)路面病害預(yù)測(cè)結(jié)果，其中，不同所述第一預(yù)測(cè)頭對(duì)應(yīng)不同路面病害類型；

5、將不同所述第一解耦特征圖分別映射到第四數(shù)量組注意力頭，基于所述注意力頭對(duì)所述第一解耦特征圖進(jìn)行特征融合，得到融合特征，將所述融合特征與所述第二特征圖進(jìn)行拼接，得到第三特征圖；

6、基于第五數(shù)量個(gè)不同膨脹率的卷積核對(duì)所述第三特征圖進(jìn)行第三特征提取，得到第五數(shù)量個(gè)尺度的第五數(shù)量組特征，對(duì)第五數(shù)量組特征進(jìn)行拼接，得到拼接特征，基于級(jí)聯(lián)的第六數(shù)量個(gè)卷積模塊對(duì)所述拼接特征進(jìn)行第四特征提取，得到第四特征圖；

7、基于并行的第七數(shù)量個(gè)第二預(yù)測(cè)頭分別對(duì)所述第四特征圖進(jìn)行解耦，得到不同路面病害類型對(duì)應(yīng)的第二解耦特征圖，基于所述第二解耦特征圖進(jìn)行像素級(jí)路面病害預(yù)測(cè)，得到每個(gè)所述第二預(yù)測(cè)頭對(duì)應(yīng)的像素級(jí)路面病害預(yù)測(cè)結(jié)果，其中，不同所述第二預(yù)測(cè)頭對(duì)應(yīng)不同路面病害類型；

8、對(duì)所述網(wǎng)格級(jí)路面病害預(yù)測(cè)結(jié)果和所述像素級(jí)路面病害預(yù)測(cè)結(jié)果進(jìn)行匹配，得到所述待識(shí)別路面圖像對(duì)應(yīng)的路面病害識(shí)別結(jié)果。

9、基于同一發(fā)明構(gòu)思，本公開(kāi)示例性實(shí)施例第二方面提供了一種路面病害識(shí)別裝置，包括：

10、編碼模塊，被配置為獲取待識(shí)別路面圖像，基于級(jí)聯(lián)的第一數(shù)量個(gè)卷積操作對(duì)所述待識(shí)別路面圖像進(jìn)行第一特征提取，得到第一特征圖，基于級(jí)聯(lián)的第二數(shù)量個(gè)跳躍連接卷積模塊對(duì)所述第一特征圖進(jìn)行第二特征提取，得到第二特征圖；

11、網(wǎng)格級(jí)路面病害預(yù)測(cè)模塊，被配置為基于并行的第三數(shù)量個(gè)第一預(yù)測(cè)頭分別對(duì)所述第二特征圖進(jìn)行解耦，得到不同路面病害類型對(duì)應(yīng)的第一解耦特征圖，基于所述第一解耦特征圖進(jìn)行網(wǎng)格級(jí)路面病害預(yù)測(cè)，得到每個(gè)所述第一預(yù)測(cè)頭對(duì)應(yīng)的網(wǎng)格級(jí)路面病害預(yù)測(cè)結(jié)果，其中，不同所述第一預(yù)測(cè)頭對(duì)應(yīng)不同所述路面病害類型；

12、特征融合模塊，被配置為將不同所述第一解耦特征圖分別映射到第四數(shù)量組注意力頭，基于所述注意力頭對(duì)所述第一解耦特征圖進(jìn)行特征融合，得到融合特征，將所述融合特征與所述第二特征圖進(jìn)行拼接，得到第三特征圖；

13、解碼模塊，被配置為基于第五數(shù)量個(gè)不同膨脹率的卷積核對(duì)所述第三特征圖進(jìn)行第三特征提取，得到第五數(shù)量個(gè)尺度的第五數(shù)量組特征，對(duì)第五數(shù)量組特征進(jìn)行拼接，得到拼接特征，基于級(jí)聯(lián)的第六數(shù)量個(gè)卷積模塊對(duì)所述拼接特征進(jìn)行第四特征提取，得到第四特征圖；

14、像素級(jí)路面病害預(yù)測(cè)模塊，被配置為基于并行的第七數(shù)量個(gè)第二預(yù)測(cè)頭分別對(duì)所述第四特征圖進(jìn)行解耦，得到不同路面病害類型對(duì)應(yīng)的第二解耦特征圖，基于所述第二解耦特征圖進(jìn)行像素級(jí)路面病害預(yù)測(cè)，得到每個(gè)所述第二預(yù)測(cè)頭對(duì)應(yīng)的像素級(jí)路面病害預(yù)測(cè)結(jié)果，其中，不同所述第二預(yù)測(cè)頭對(duì)應(yīng)不同所述路面病害類型；

15、規(guī)則化匹配模塊，被配置為對(duì)所述網(wǎng)格級(jí)路面病害預(yù)測(cè)結(jié)果和所述像素級(jí)路面病害預(yù)測(cè)結(jié)果進(jìn)行匹配，得到所述待識(shí)別路面圖像對(duì)應(yīng)的路面病害識(shí)別結(jié)果。

16、基于同一發(fā)明構(gòu)思，本公開(kāi)示例性實(shí)施例第三方面提供了一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如第一方面所述的方法。

17、基于同一發(fā)明構(gòu)思，本公開(kāi)示例性實(shí)施例第四方面提供了一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令用于使計(jì)算機(jī)執(zhí)行如第一方面所述的方法。

18、基于同一發(fā)明構(gòu)思，本公開(kāi)示例性實(shí)施例第五方面提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序指令，當(dāng)所述計(jì)算機(jī)程序指令在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行如第一方面所述的方法。

19、從上面所述可以看出，本公開(kāi)實(shí)施例提供的路面病害識(shí)別方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及程序產(chǎn)品，該方法包括：獲取待識(shí)別路面圖像，基于級(jí)聯(lián)的第一數(shù)量個(gè)卷積操作對(duì)所述待識(shí)別路面圖像進(jìn)行第一特征提取，得到第一特征圖，基于級(jí)聯(lián)的第二數(shù)量個(gè)跳躍連接卷積模塊對(duì)所述第一特征圖進(jìn)行第二特征提取，得到第二特征圖；基于并行的第三數(shù)量個(gè)第一預(yù)測(cè)頭分別對(duì)所述第二特征圖進(jìn)行解耦，得到不同路面病害類型對(duì)應(yīng)的第一解耦特征圖，基于所述第一解耦特征圖進(jìn)行網(wǎng)格級(jí)路面病害預(yù)測(cè)，得到每個(gè)所述第一預(yù)測(cè)頭對(duì)應(yīng)的網(wǎng)格級(jí)路面病害預(yù)測(cè)結(jié)果，其中，不同所述第一預(yù)測(cè)頭對(duì)應(yīng)不同路面病害類型；將不同所述第一解耦特征圖分別映射到第四數(shù)量組注意力頭，基于所述注意力頭對(duì)所述第一解耦特征圖進(jìn)行特征融合，得到融合特征，將所述融合特征與所述第二特征圖進(jìn)行拼接，得到第三特征圖；基于第五數(shù)量個(gè)不同膨脹率的卷積核對(duì)所述第三特征圖進(jìn)行第三特征提取，得到第五數(shù)量個(gè)尺度的第五數(shù)量組特征，對(duì)第五數(shù)量組特征進(jìn)行拼接，得到拼接特征，基于級(jí)聯(lián)的第六數(shù)量個(gè)卷積模塊對(duì)所述拼接特征進(jìn)行第四特征提取，得到第四特征圖；基于并行的第七數(shù)量個(gè)第二預(yù)測(cè)頭分別對(duì)所述第四特征圖進(jìn)行解耦，得到不同路面病害類型對(duì)應(yīng)的第二解耦特征圖，基于所述第二解耦特征圖進(jìn)行像素級(jí)路面病害預(yù)測(cè)，得到每個(gè)所述第二預(yù)測(cè)頭對(duì)應(yīng)的像素級(jí)路面病害預(yù)測(cè)結(jié)果，其中，不同所述第二預(yù)測(cè)頭對(duì)應(yīng)不同路面病害類型；對(duì)所述網(wǎng)格級(jí)路面病害預(yù)測(cè)結(jié)果和所述像素級(jí)路面病害預(yù)測(cè)結(jié)果進(jìn)行匹配，得到所述待識(shí)別路面圖像對(duì)應(yīng)的路面病害識(shí)別結(jié)果。

20、本公開(kāi)在同一個(gè)深度神經(jīng)網(wǎng)絡(luò)框架下，統(tǒng)一了面向多種識(shí)別標(biāo)準(zhǔn)的多種路面病害類型的自動(dòng)識(shí)別，擴(kuò)展了模型的適用范圍，提升了模型在大規(guī)模圖像中識(shí)別病害的效率，降低了生產(chǎn)成本。