(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 202211158865.1 (22)申请日 2022.09.22 (71)申请人 中煤(西安)地下空间科技发展 有限 公司 地址 710000 陕西省西安市航天基地神舟 四路216号 (72)发明人 许明　张弓　郑睿博　骆庚　 郑文青　王广涛　熊茜楠　孙权泽　 徐红　党韫垚　纪超　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 曹瑞敏 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/40(2022.01)G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 道路病害检测方法、 装置、 电子设备及存储 介质 (57)摘要 本申请提供一种道路病害检测方法、 装置、 电子设备及存储介质， 所述方法包括： 在原始的 YOLOv5神经网络结构中增加一组小的目标检测 预测头， 使得目标检测模型能够提取到待检测图 像的第一目标特征图、 第二目标特征图、 第三目 标特征图以及第四目标特征图， 且 该四个目标特 征图表征的是不同粒度的特征， 可以使得根据目 标检测模型得到的目标特征图可以检测到小目 标的特征， 缓解剧烈的目标尺度变化带来的影 响， 提高了对小目标物体的检测性能， 使得到的 目标特征更全面； 并根据该四个目标特征图得到 的待检测图像的预测结果更精确。 权利要求书3页 说明书15页 附图4页 CN 115439750 A 2022.12.06 CN 115439750 A 1.一种道路病 害检测方法， 其特征在于， 应用于服务器， 所述服务器与终端设备通信连 接， 所述方法包括： 接收终端设备发送的待检测图像； 将所述待检测图像输入预先训练得到的目标检测模型， 在所述目标检测模型中提取所 述待检测图像对应的第一 目标特征图、 第二 目标特征图、 第三 目标特征图以及第四目标特 征图， 并根据所述第一目标特征图、 第二目标特征图、 第三目标特征图 以及第四 目标特征图 得到所述待检测图像的预测结果， 所述预测结果用于指示所述待检测图像对应的道路的病 害信息， 其中， 所述第一目标特征图、 第二 目标特征图、 第三 目标特征图以及第四目标特征 图分别为所述目标检测模型中的四个不同尺度的预测头输出的特征图， 所述第一目标特征 图、 第二目标特征图、 第三目标特征图 以及第四 目标特征图分别用于表征一种粒度的特征， 且所述第一 目标特征图、 第二 目标特征图、 第三 目标特征图以及第四目标特征图对应的粒 度依次变粗。 2.根据权利要求1所述的道路病 害检测方法， 其特征在于， 所述在所述目标检测模型中 提取所述待检测图像对应的第一 目标特征图、 第二 目标特征图、 第三 目标特征图以及第四 目标特征图， 并根据所述第一目标特征图、 第二目标特征图、 第三目标特征图以及第四目标 特征图得到所述待检测图像的预测结果， 包括： 将所述待检测图像输入所述目标检测模型的特征提取子网络中， 得到第一中间特征 图、 第二中间特 征图、 第三中间特 征图以及第四中间特 征图； 将第一中间特征图、 第二中间特征图、 第三中间特征图以及第 四中间特征图输入所述 目标检测模型的特征融合子网络中， 得到所述第一目标特征图、 第二目标特征图、 第三目标 特征图以及第四目标 特征图； 将所述第一目标特征图、 第二目标特征图、 第三目标特征图以及第 四目标特征图输入 所述目标检测模型的检测子网络中， 得到所述待检测图像的预测结果。 3.根据权利要求2所述的道路病 害检测方法， 其特征在于， 所述将所述待检测图像输入 所述目标检测模型的特征提取子网络中， 得到第一中间特征图、 第二中间特征图、 第三中间 特征图以及第四中间特 征图， 包括： 将所述待检测图像输入至所述目标检测模型的特征提取子网络中的第一标准卷积模 块， 由所述第一标准卷积模块以及与所述第一标准卷积模块连接的第一特征提取模块进 行 特征提取， 得到所述第一中间特 征图； 将所述第一中间特征图输入至特征提取子网络 中的第二标准卷积模块， 由所述第 二标 准卷积模块以及与所述第二标准卷积模块连接的第二特征提取模块进 行特征提取， 得到所 述第二中间特 征图； 将所述第二中间特征图输入至特征提取子网络 中第三标准卷积模块， 由所述第 三标准 卷积模块以及与所述第三标准卷积模块连接的第三特征提取模块进行特征提取， 得到所述 第三中间特 征图； 将所述第三中间特征图输入至特征提取子网络 中第四标准卷积模块， 由所述第四标准 卷积模块以及与所述第四标准卷积模块连接的第四特征提取模块进行特征提取， 得到所述 第四中间特 征图。 4.根据权利要求2所述的道路病害检测方法， 其特征在于， 所述将第一中间特征图、 第权　利　要　求　书 1/3 页 2 CN 115439750 A 2二中间特征图、 第三中间特征图以及第四中间特征图输入所述目标检测模 型的特征融合子 网络中， 得到所述第一目标特征图、 第二目标特征图、 第三目标特征图以及第四目标特征 图， 包括： 在所述特征融合子网络中， 根据所述第一中间特征图、 所述第二中间特征图、 所述第三 中间特征图、 所述第四中间特征图得到第一合并输出特征图， 并将所述第一合并输出特征 图输入至所述特征融合子网络的第五特征提取模块中， 由所述第五特征提取模块以及与所 述第五特 征提取模块连接的第一卷积层进行 特征融合， 得到第一目标 特征图； 根据所述第 二中间特征图以及所述第 三中间特征图、 所述第四中间特征图得到第 二合 并输出特征图， 并根据所述第二合并输出特征图以及第一合并输出特征图得到第三合并输 出特征图， 将所述第三合并输出特征图输入至所述特征融合子网络的第六特征提取模块 中， 由所述第六特征提取模块以及与所述第六特征提取模块连接的第二卷积层进 行特征融 合， 得到第二目标 特征图； 根据所述第 三中间特征图以及所述第四中间特征图得到第四合并输出特征图， 并根据 所述第四合并输出特征图以及所述第三合并输出特征图得到第五合并输出特征图， 将所述 第五合并输出特征图输入至所述特征融合子网络的第七特征提取模块中， 由所述第七特征 提取模块以及与所述第七特征提取模块连接的第三卷积层进 行特征融合， 得到第三目标特 征图； 根据所述第五合并输出特征图以及所述第 四中间特征图， 得到第六合并输出特征图， 并将所述第六合并输出特征图输入至所述特征融合子网络的第八特征提取模块中， 由所述 第八特征提取模块以及与所述第八特征提取模块连接的第四卷积层进 行特征融合， 得到第 四目标特征图。 5.根据权利要求3所述的道路病 害检测方法， 其特征在于， 各特征提取模块分别包括依 次连接的第一卷积模块、 第二卷积模块、 注意力机制模块、 合并模块以及第三卷积模块； 所述注意力机制模块包括依次连接的第 四卷积模块、 第五卷积模块、 通道注意力模块 以及空间注意力模块。 6.根据权利要求2所述的道路病害检测方法， 其特征在于， 所述将所述第一目标特征 图、 第二目标特征图、 第三 目标特征图以及第四目标特征图输入所述 目标检测模型 的检测 子网络中， 得到所述待检测图像的预测结果， 包括： 在所述检测子网络 中， 对所述第 一目标特征图、 第 二目标特征图、 第 三目标特征图以及 第四目标特征图进行融合， 得到融合后的目标特征图， 所述融合后的目标特征图包括多个 检测框， 检测框指示的是道路病害的类型以及道路病害的位置信息； 根据所述融合后的目标特征图中的多个检测框的得分度 所述多个检测框进行筛选， 将 得分最高的检测框作为待检测图像的预测结果。 7.根据权利要求1 ‑6任一项所述的道路病害检测方法， 其特 征在于， 还 包括： 获取多个样本图谱数据， 将所述多个样本图谱输入至初始检测模型； 所述初始检测模型对各样本图谱数据进行特征提取以及预测， 得到所述各样本图谱数 据的预测结果； 根据所述各样本图谱数据的预测结果确定所述初始检测模型的损失信息； 根据所述初始检测模型的损失信 息对所述初始检测模型进行迭代优化， 得到所述目标权　利　要　求　书 2/3 页 3 CN 115439750 A 3