农业技术

本发明公开了一种基于雷达图谱的城市道路病害检测方法，包括基于高斯模糊前后的图像进建立高斯模糊图像层，对图像层进行差分处理，选择合适层级的差分图像叠加在原图中以增强图像的特征表现；在单步多框探测模型的浅层网络部分增加反卷积层，将图像高层的语义信息融入到低层网络的特征信息中，并且在低层网络中增加卷积层进行深层特征提取，根据特征图所处的层级不同进行有选择性的特征融合，采用分步联合式训练策略，先对检测准确率较低的病害数据集进行训练得到初步的训练权重，然后选择检测该病害类型性能最优的权重作为预训练权重训练检测全部病害类型的神经网络。本发明，有助于提高道路图谱中目标病害的识别准确性。

提升道路检测效率：该方法利用雷达图谱技术，能够快速、准确地识别城市道路的病害（如裂缝、坑槽等），显著提高检测效率，减少人工巡检的时间和成本。

支持智慧城市建设：结合大数据和人工智能技术，该方法可实现道路病害的自动化检测和分析，为智慧城市的交通管理和基础设施维护提供技术支持。

降低道路维护成本：通过早期发现和定位道路病害，该方法能够帮助市政部门制定精准的维护计划，减少大面积修复的需求，降低道路维护成本。

提高道路安全性：该方法能够及时发现潜在的道路病害，减少因路面问题引发的交通事故，提高城市道路的安全性和通行效率。

本发明，通过改进单步多框探测模型，本发明提出了一种基于多层语义融合网络和高斯差图增强特征的新型方法，有助于提高道路图谱中目标病害的识别准确性。

本发明，通过分步联合式训练策略，对外观相似难以识别的多类病害具有较强的识别度。这种策略不会增加模型负担，且可以轻松适配到各种检测模型中。