(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202011203793.9
(22)申请日 2020.11.02
(71)申请人 坝道工程医院（平舆）
地址 463400 河南省驻马店市平舆县丰收
路西段防水大厦
申请人 郑州安源工程技术有限公司
(72)发明人 方宏远 马铎 王念念 张娟
董家修 薛冰寒 胡浩邦 雷建伟
(74)专利代理机构 长沙楚为知识产权代理事务
所(普通合伙) 43217
代理人 李大为
(51)Int.Cl.cowbone
G01N 21/95(2006.01)
G01N 21/88(2006.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)B64C 39/02(2006.01)
(54)发明名称无人机智能巡航路面病害检测方法、无人机和检测系统(57)摘要本发明涉及道路病害检测，尤其涉及无人机智能巡航路面病害检测方法、无人机和检测系统。一种基于深度学习的无人机智能巡航路面病害检测方法，无人机内置基于深度学习网络的路面病害检测模型和道路识别模型，检测方法具体为：所述无人机在以道路识别模型确定的实际路面上按照预定路线自动飞行，通过路面病害检测模型实时获取路面病害检测结果。本发明采用基于深度学习网络的道路识别模型和路面病害检测模型，能够实现自动巡航以及自动路面病害检测，只需要将预定路线或者预定区域范围设定，即可实现自动巡航检测， 方便快捷。权利要求书1页 说明书7页 附图4页CN 112326686 A 2021.02.05
C N 112326686
A
1.一种基于深度学习的无人机智能巡航路面病害检测方法，其特征在于，无人机内置基于深度学习网络的路面病害检测模型和道路识别模型，检测方法具体为：
所述无人机在以道路识别模型确定的实际路面上按照预定路线自动飞行，通过路面病害检测模型实时获取路面病害检测结果。
2.根据权利要求1所述的基于深度学习的无人机智能巡航路面病害检测方法，其特征在于，在所述无人机执行所述检测方法前，在计算机终端使用道路图像、路面病害图像分别对所述道路识别模型、所述路面病害检测模型的深度学习网络基础模型进行训练，分别得到最优的所述道路识别模型、所述路面病害检测模型后加载到所述无人机中。
3.根据权利要求1所述的基于深度学习的无人机智能巡航路面病害检测方法，其特征在于，所述预定路线为通过服务器预先设定；所述无人机与服务器通信获取所述预定路线数据。
4.根据权利要求1所述的基于深度学习的无人机智能巡航路面病害检测方法，其特征在于，所述无人机的工作模式包括智能跟飞，具体步骤为：
获取环境图片；
瓶胚检测机
使用所述道路识别模型确定路面标示线；
获取预定路线，驱动无人机在所述预定路线上沿所述路面标示线飞行。
5.根据权利要求1所述的基于深度学习的无人机智能巡航路面病害检测方法，其特征在于，所述无人机的工作模式包括定点巡航，具体操作步骤为：
确定预定路线的若干个关键位置；
无人机按照预定顺序依次经过关键位置。
6.一种无人机，其特征在于，包括基础组件、摄像头和检测板；所述摄像头、所述检测板分别与所述基础组件连接；所述检测板上加载有基于深度学习算法的路面病害检测模型和道路识别模型，能够实现权利要求1-5任一所述的路面病害检测方法。
7.根据权利要求6所述的无人机，其特征在于，所述基础组件包括机架、电机、电调、控制板、数据传输模块、图像传输模块、加速度计、定位装置；所述电调、所述加速度计、所述定位装置、所述检测板分别与所述控制板连接，集成装设在所述机架上；所述电机与所述电调连接；所述摄像头与所述图像传输模块连接，所述图像传输模块与所述数据传输模块分别与所述检测板连接。
8.一种使用权利要求6-7任一所述的无人机的路面病害检测系统，其特征在于，包括交互端和无人机，所述无人机与所述交互端通信连接。
9.根据权利要求8所述的基于深度学习的无人机智能巡航路面病害检测系统，其特征在于，所述交互端为计算机或手机。
10.一种可读介质，其特征在于，存储有计算机软件，所述软件在被处理器执行时，完成权利要求1-5任一所述的检测方法。
权 利 要 求 书1/1页CN 112326686 A
无人机智能巡航路面病害检测方法、无人机和检测系统
技术领域
折叠篮[0001]本发明涉及道路病害检测，尤其涉及无人机智能巡航路面病害检测方法、无人机和检测系统。
背景技术
[0002]2016年以来，无人机的技术条件不断完善、成熟，在农业、工程、军事等领域都有着广泛的应
扫二维码防伪用，无人机的技术发展也越来越引人注目，而目标跟踪及智能控制成为无人机发展的一大热门领域，这一技术能够进一步改善无人机的安全性、高效性以及自动化程度，为无人机智能检测任务提供了有力保障。
[0003]申请号为201911120174.0的专利文献公开了一种基于无人机的公路路面病害的定位方法，该方法使用北斗卫星定位导航系统控制无人机，通过改进的DPM模型识别采集的路面病害图像，实现了基于无人机的病害定位检测。但是该方法仍需人工操控无人机，无法通过规划航线或智能寻迹的方法使得无人机自动飞行。并且，DPM模型是一种先计算梯度方向直方图，然后用支持向量机训练检测病害的算法。
[0004]因而现有的道路检测技术存在不足，还有待改进和提高。
发明内容
缓冲块[0005]鉴于上述现有技术的不足之处，本发明的目的在于提供无人机智能巡航路面病害检测方法、无人机和检测系统，能够实现无人机自动按照预定路线进行飞行，并检测路面是否存在病害。
[0006]为了达到上述目的，本发明采取了以下技术方案：
[0007]一种基于深度学习的无人机智能巡航路面病害检测方法，无人机内置基于深度学习网络的路面
病害检测模型和道路识别模型，检测方法具体为：
[0008]所述无人机在以道路识别模型确定的实际路面上按照预定路线自动飞行，通过路面病害检测模型实时获取路面病害检测结果。
[0009]优选的，所述的基于深度学习的无人机智能巡航路面病害检测方法，在所述无人机执行所述检测方法前，在计算机终端使用道路图像、路面病害图像分别对所述道路识别模型、所述路面病害检测模型的深度学习网络基础模型进行训练，分别得到最优的所述道路识别模型、所述路面病害检测模型后加载到所述无人机中。
[0010]优选的，所述的基于深度学习的无人机智能巡航路面病害检测方法，所述预定路线为通过服务器预先设定；所述无人机与服务器通信获取所述预定路线数据。
[0011]优选的，所述的基于深度学习的无人机智能巡航路面病害检测方法，所述无人机的工作模式包括智能跟飞，具体步骤为：
[0012]获取环境图片；
[0013]使用所述道路识别模型确定路面标示线；
[0014]获取预定路线，驱动无人机在所述预定路线上沿所述路面标示线飞行。
[0015]优选的，所述的基于深度学习的无人机智能巡航路面病害检测方法，所述无人机的工作模式包括定点巡航，具体操作步骤为：水塔水位控制系统
[0016]确定预定路线的若干个关键位置；
[0017]无人机按照预定顺序依次经过关键位置。
[0018]一种无人机，包括基础组件、摄像头和检测板；所述摄像头、所述检测板分别与所述基础组件连接；所述检测板上加载有基于深度学习算法的路面病害检测模型和道路识别模型，能够实现所述的路面病害检测方法。
[0019]优选的，所述的无人机，所述基础组件包括机架、电机、电调、控制板、数据传输模块、图像传输模块、加速度计、定位装置；所述电调、所述加速度计、所述定位装置、所述检测板分别与所述控制板连接，集成装设在所述机架上；所述电机与所述电调连接；所述摄像头与所述图像传输模块连接，所述图像传输模块与所述数据传输模块分别与所述检测板连接。
[0020]一种使用所述的无人机的路面病害检测系统，包括交互端和无人机，所述无人机与所述交互端通信连接。
[0021]优选的，所述的基于深度学习的无人机智能巡航路面病害检测系统，所述交互端为计算机或手
机。
[0022]一种可读介质，存储有计算机软件，所述软件在被处理器执行时，完成所述的检测方法。
[0023]相较于现有技术，本发明提供的无人机智能巡航路面病害检测方法、无人机和检测系统，具有以下有益效果：
[0024]1、本发明采用基于深度学习网络的道路识别模型和路面病害检测模型，能够实现自动巡航以及自动路面病害检测，只需要将预定路线或者预定区域范围设定，即可实现自动巡航检测，方便快捷；
[0025]2、本发明采用了无人机作为核心移动设备，无人机具有轻便、移动范围广的特性，可操作性强、可开发性强；
[0026]3、本发明通过实现了无人机的定点巡航、智能跟飞，通过神经网络跟踪算法实现了无人机的智能寻迹，从而实现了无人机自动化智能飞行，方便快捷。
附图说明
[0027]图1是本发明提供的无人机的结构框图；
[0028]图2是本发明提供的无人机的详细结构框图；
[0029]图3是本发明提供的智能跟飞的流程图；
[0030]图4是本发明提供的定点巡航流程图；
[0031]图5是本发明提供的定点巡航操作的地图展示图；
[0032]图6是本发明提供的无人机组装与调试的一种实施方式的流程图；
[0033]图7是本发明提供的路面病害检测系统的结构框图。
具体实施方式
[0034]为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对
本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0035]本领域技术人员应当理解，前面的一般描述和下面的详细描述是本发明的示例性和说明性的具体实施例，不意图限制本发明。
[0036]本文中术语“包括”，“包含”或其任何其他变体旨在覆盖非排他性包括，使得包括步骤列表的过程
或方法不仅包括那些步骤，而且可以包括未明确列出或此类过程或方法固有的其他步骤。同样，在没有更多限制的情况下，以“包含...一个”开头的一个或多个设备或子系统，元素或结构或组件也不会没有更多限制，排除存在其他设备或其他子系统或其他元素或其他结构或其他组件或其他设备或其他子系统或其他元素或其他结构或其他组件。在整个说明书中，短语“在一个实施例中”，“在另一个实施例中”的出现和类似的语言可以但不一定都指相同的实施例。
[0037]除非另有定义，否则本文中使用的所有技术和科学术语具有与本发明所属领域的普通技术人员通常所理解的相同含义。
[0038]本发明提供一种基于深度学习的无人机智能巡航路面病害检测方法，无人机内置基于深度学习网络的路面病害检测模型和道路识别模型，检测方法具体为：
[0039]所述无人机在以道路识别模型确定的实际路面上按照预定路线自动飞行，通过路面病害检测模型实时获取路面病害检测结果。
[0040]具体的，本发明提供的路面病害检测方法基于无人机智能巡航，即使用无人机自动按照预定的路线进行巡航检测，其中使用所述道路识别模型进行道路识别，进而确定在正常道路上飞行，无需遥控，同时使用所述路面病害检测模型进行路面病害识别。具体的，所述无人机具有高清摄像头，分辨率设定包括1024*720、1920*1080等，拍摄的清晰度高，能够满足一定的检测需求。作为优选方案，
所述预定路线为通过服务器预先设定；所述无人机与服务器通信获取所述预定路线数据；优选的，所述预定路线可以预先设定在无人机中，也可以在无人机边飞行边加载，本发明不做限定。在具体操作中，通过高清摄像头采集道路图像和路面病害图像数据，存储于SD卡。跟进一步的实施中，无需设定预定路线，仅仅需要设定巡航检测的区域范围，则无人机即可将本区域内所有的路面均检测一遍，其具体的实施原理如上所述，不做限定。
[0041]相应的，请参阅图1，本发明还提供一种无人机，包括基础组件2、摄像头1和检测板3；所述摄像头1、所述检测板3分别与所述基础组件2连接；所述检测板3上加载有基于深度学习算法的路面病害检测模型和道路识别模型，能够实现所述的路面病害检测方法。所述基础组件2为无人机的基础构件，能够实现现有技术中无人机的正常工作，此处不做限定，在本实施例中，所述基础组件2还根据所述检测板3中道路识别模型识别得到的道路信息驱动无人机沿着预定路线飞行。
[0042]在本实施例中，所述无人机通过所述摄像头1获取无人机周围环境图像并通过所述基础组件2输送到所述检测板3中；所述摄像头1的数量不做限定，可以是一个，也可以是多个，并按照相应的预定位置布设；所述检测板3通过所述道路识别模型确定当前无人机是否在道路上，若否，则驱动无人机回到道路上，若是，则不做相应调整，继续保持向前飞行，无需人工手动遥控操纵，实现自动飞行，应当说明的是，此处自动飞行不仅仅需要按照既定的轨迹飞行，还要保证通过摄像头1获取的环境图像后，在真实公路上按照预定路线飞行；
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议