(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 202210700323.6 (22)申请日 2022.06.20 (71)申请人 寒武纪行歌 （南京） 科技有限公司 地址 211135 江苏省南京市麒 麟科技创新 园天骄路100号江苏南京侨梦苑A 栋11 楼201室 (72)发明人 不公告发明人 　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 吴会英　臧建明 (51)Int.Cl. G06V 10/40(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 20/10(2022.01) G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 路面质量检测方法、 装置及相关产品 (57)摘要 本申请提供一种路面质量检测方法、 装置及 相关产品， 涉及人工智 能技术领域。 具体方案包 括： 获取待识别的目标图像， 目标图像中包括路 面区域； 采用YOL Ov5模型中 改进的特征提取网络 对目标图像进行特征提取处理， 以获得提取后的 特征数据； 改进的特征提取网络具有最适用于 路 面病害检测的感受野大小； 采用YOL Ov5模型中改 进的特征加强网络对特征数据进行特征加强处 理， 以获得加强后的特征； 加强后的特征是对特 征数据进行初步融合加强处理后， 再对中大尺寸 特征进行特征融合加强后的特征； 根据加强后的 特征对目标图像中路面病害进行检测。 该方案能 够有效提高了路面质量检测的准确率。 权利要求书3页 说明书22页 附图12页 CN 115035305 A 2022.09.09 CN 115035305 A 1.一种路面质量检测方法， 其特 征在于， 包括： 获取待识别的目标图像， 所述目标图像中包括路面区域； 采用YOLOv5模型中改进的特征提取网络对所述目标图像进行特征提取处理， 以获得提 取后的特 征数据； 所述改进的特 征提取网络具有适用于路面病害检测的感受野大小； 采用所述YOLOv5模型中改进的特征加强网络对所述特征数据进行特征加强处理， 以获 得加强后的特征； 所述加强后的特征是对特征数据进行初步融合加强处理后， 再对中大尺 寸特征进行特征融合加强后的特 征； 根据所述加强后的特 征对所述目标图像中路面病害 进行检测。 2.根据权利要求1所述的方法， 其特征在于， 所述改进的特征提取网络包括多个特征输 出层； 所述采用YOLOv5模型中改进的特征提取网络对所述目标图像进行特征提取处理， 以获 得提取后的特 征数据之前， 还 包括： 设置多个特 征输出层中CS P模块的数目参数； 将各特征输出层对应的数目参数在预设取值范围内进行随机取值， 并在每次随机取值 后确定对应的候选特 征提取网络； 确定各所述候选特征提取网络对应的目标覆盖率； 从各所述候选特征提取网络对应的目标覆盖率中确定出 预设个数的较佳目标覆盖率； 从预设个数的较佳目标覆盖率对应的候选特征提取网络中筛选出所述改进的特征提 取网络。 3.根据权利要求2所述的方法， 其特征在于， 所述将各特征输出层对应的数目参数在预 设取值范围内进行随机取值， 包括： 将各特征输出层中CSP模块的数目参数进行长度维度和宽度维度的拆分， 以获得各特 征输出层对应的长度数目参数及宽度数目参数； 针对各特征输出层， 将长度数目参数及宽度数目参数进行组合， 形成各特征输出层对 应的数目参数组合； 将各特征输出层对应的数目参数组合中长度数目参数及宽度数目参数在预设取值范 围内进行随机取值。 4.根据权利要求2所述的方法， 其特征在于， 所述确定各所述候选特征提取网络对应的 目标覆盖率， 包括： 计算各所述候选特征提取网络各 特征输出层的感受野大小； 根据各候选特 征提取网络对应的感受野大小计算 不同路面病害的覆盖率； 根据各候选特征提取网络对应的不同路面病害的覆盖率确定出各候选特征提取网络 对应的目标覆盖率。 5.根据权利要求2所述的方法， 其特征在于， 所述从预设个数的较佳目标覆盖率对应的 候选特征提取网络中筛 选出所述改进的特 征提取网络， 包括： 确定预设个数的较佳目标覆盖率对应的候选特 征提取网络的参数量及计算 量； 根据预设个数的较佳目标覆盖率、 对应的参数量及计算量从预设个数的候选特征提取 网络中筛 选出改进的特 征提取网络 。 6.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述改进的特征提取网络中包权　利　要　求　书 1/3 页 2 CN 115035305 A 2括： 多个特 征提取CS P模块， 在各CS P模块之后连接有通道 注意力机制E CAM模块； 采用YOLOv5模型中改进的特征提取网络对所述目标图像进行特征提取处理， 以获得提 取后的特 征数据， 包括： 采用CSP模块提取目标图像的特 征， 以获得初始特 征数据； 采用ECAM模块对所述初始特 征数据进行重要特 征筛选， 以获得提取后的特 征数据。 7.根据权利要求6所述的方法， 其特征在于， 所述采用CSP模块提取目标图像的特征， 以 获得初始特 征数据， 包括： 采用CSP模块的主分支进行多次卷积操作， 并采用 所述CSP模块的副分支进行残差连 接； 采用拼接算子Concat将主分支处理结果与所述副分支处理结果进行拼接， 以获得初始 特征数据。 8.根据权利要求6所述的方法， 其特征在于， 所述采用ECAM模块对所述初始特征数据进 行重要特 征筛选， 以获得提取后的特 征数据， 包括： 采用ECAM模块计算初始特 征数据通道维度的权 重向量； 根据所述 通道维度的权 重向量筛 选所述初始特 征数据中的重要特 征数据； 将所述重要特 征数据确定为 提取后的特 征数据。 9.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述改进的特征加强网络包括 FPN与PAN结合的网络结构、 中大尺度特 征加强网络结构； 所述采用所述YOLOv5模型中改进的特征加强网络对所述特征数据进行特征加强处理， 以获得加强后的特 征， 包括： 采用FPN与PAN结合的网络结构对所述特征数据进行初步特征融合加强处理， 以获得初 步加强特 征； 采用所述中大尺度特征加强网络结构基于所述初步加强特征对中大尺度特征进行特 征融合加强处 理， 以获得中大尺度加强特 征； 根据所述初步加强特 征及所述中大尺度加强特 征确定加强后的特 征。 10.根据权利要求9所述的方法， 其特征在于， 所述中大尺度 特征加强网络结构包括： 多 个FPN与PAN结合的网络结构； 所述采用所述中大尺度特征加强网络结构基于所述初步加强特征对中大尺度特征进 行特征融合加强处 理， 以获得中大尺度加强特 征， 包括： 将中尺度特 征数据及大尺度特 征数据输入到所述中大尺度特 征加强网络结构中； 采用第一个FPN与PAN结合的网络结构对中尺度特征数据及大尺度特征数据进行特征 融合加强处 理， 以获得融合加强特 征； 采用处于中间位置的至少一个FPN与PAN结合的网络结构依次对前一个融合加强特征 再次进行特征融合加强处理， 并由最后一个FPN与PA N结合的网络结构 输出中大尺度加强特 征。 11.一种路面质量检测装置， 其特 征在于， 包括： 获取模块， 用于获取待识别的目标图像， 所述目标图像中包括路面区域； 特征提取模块， 用于采用YOLOv5模型中改进的特征提取网络对所述目标图像进行特征 提取处理， 以获得提取后的特征数据； 所述改进的特征提取网络具有适用于路面病害检测权　利　要　求　书 2/3 页 3 CN 115035305 A 3