本發(fā)明涉及路面照度測(cè)試，具體地，涉及一種基于機(jī)器學(xué)習(xí)和視覺(jué)識(shí)別的路面照度檢測(cè)系統(tǒng)及方法。

背景技術(shù)：

1、目前，路面照度檢測(cè)主要采用傳統(tǒng)方法，存在諸多問(wèn)題。

2、工序方面，傳統(tǒng)路面照度檢測(cè)方法常需安裝專(zhuān)門(mén)設(shè)備如照度計(jì)或反射率板，安裝過(guò)程需專(zhuān)業(yè)人員操作，有時(shí)還得封閉道路，且使用反射率板時(shí)要精確調(diào)整貼紙位置和角度，部分方法還依賴車(chē)輛或無(wú)人機(jī)采集數(shù)據(jù)，操作復(fù)雜。

3、實(shí)時(shí)性方面，許多傳統(tǒng)方法無(wú)法實(shí)時(shí)檢測(cè)，常需在特定時(shí)間段或環(huán)境下測(cè)量，如等待無(wú)車(chē)時(shí)或夜間航拍。數(shù)據(jù)采集和處理時(shí)間長(zhǎng)，不能及時(shí)反映道路即時(shí)照度情況，無(wú)法滿足智慧城市照明等動(dòng)態(tài)調(diào)整照明的應(yīng)用場(chǎng)景需求。

4、成本方面，傳統(tǒng)方法需購(gòu)買(mǎi)昂貴測(cè)量設(shè)備，如高精度照度計(jì)、無(wú)人機(jī)或特殊反射率板，成本高且需定期維護(hù)校準(zhǔn)，安裝和維護(hù)這些設(shè)備需專(zhuān)業(yè)人員，人工成本高，設(shè)備損耗和更新也需額外投入。還有些方法要在道路表面安裝物理標(biāo)記或傳感器，施工和維護(hù)成本高。

5、專(zhuān)利文獻(xiàn)cn202311351123.5，公開(kāi)了一種基于標(biāo)準(zhǔn)反射率板的道路照明照度測(cè)試方法，該專(zhuān)利通過(guò)測(cè)量標(biāo)準(zhǔn)反射率板在調(diào)光燈具不同光輸出下的照度，并擬合得到被測(cè)路段的照明照度來(lái)實(shí)現(xiàn)。但該專(zhuān)利存在標(biāo)準(zhǔn)反射率貼紙可能致眩光、需定期更換維護(hù)、大量鋪設(shè)成本高等不足。

6、專(zhuān)利文獻(xiàn)cn202310974104.1公開(kāi)了一種航拍式道路照明的照度檢測(cè)方法，該專(zhuān)利通過(guò)獲取道路照明的航拍數(shù)據(jù)，包括道路照明圖像和定位信息，對(duì)道路照明圖像進(jìn)行網(wǎng)格劃分，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型評(píng)估照度來(lái)實(shí)現(xiàn)。但該專(zhuān)利需封鎖道路、夜間飛行不穩(wěn)定有安全風(fēng)險(xiǎn)、設(shè)備昂貴且數(shù)據(jù)處理復(fù)雜。

7、綜上所述，現(xiàn)有路面照度檢測(cè)方法工序復(fù)雜、實(shí)時(shí)性差且成本高昂，急需一種新的路面照度檢測(cè)方法及系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于機(jī)器學(xué)習(xí)和視覺(jué)識(shí)別的路面照度檢測(cè)方法及系統(tǒng)。

2、根據(jù)本發(fā)明提供的一種基于機(jī)器學(xué)習(xí)和視覺(jué)識(shí)別的路面照度檢測(cè)系統(tǒng)，包括：

3、圖像獲取模塊，用于實(shí)時(shí)獲取道路圖像，使用機(jī)器學(xué)習(xí)方法進(jìn)行干擾檢測(cè)，得到待分析圖像；

4、語(yǔ)義分割模塊，對(duì)待分析圖像進(jìn)行語(yǔ)義分割，得到道路區(qū)域圖像；

5、照度預(yù)測(cè)模塊，對(duì)道路區(qū)域圖像進(jìn)行預(yù)處理，再使用特征提取模型進(jìn)行多維度特征提取，將提取的圖像特征輸入自定義多層神經(jīng)網(wǎng)絡(luò)回歸模型進(jìn)行訓(xùn)練和預(yù)測(cè)，得到路面的平均照度和照度均勻度。

6、優(yōu)選地，圖像獲取模塊中，通過(guò)現(xiàn)有的道路監(jiān)控系統(tǒng)或圖像采集設(shè)備實(shí)時(shí)獲取道路圖像。

7、優(yōu)選地，圖像獲取模塊中，通過(guò)每秒鐘選取一張道路圖像，使用機(jī)器學(xué)習(xí)方法對(duì)道路圖像進(jìn)行干擾項(xiàng)檢測(cè)，若檢測(cè)到有車(chē)輛干擾項(xiàng)，則剔除道路圖像，若未檢測(cè)到車(chē)輛干擾項(xiàng)，則保留道路圖像，且標(biāo)注時(shí)間點(diǎn)和檢測(cè)結(jié)果，作為待分析圖像。

8、優(yōu)選地，語(yǔ)義分割模塊中，使用機(jī)器學(xué)習(xí)模型或根據(jù)圖像采集位置手動(dòng)設(shè)定感興趣區(qū)域，對(duì)待分析圖像進(jìn)行語(yǔ)義分割，識(shí)別道路區(qū)域和非道路區(qū)域，通過(guò)對(duì)非道路區(qū)域進(jìn)行處理得到道路區(qū)域圖像。

9、本發(fā)明還提供了一種基于機(jī)器學(xué)習(xí)和視覺(jué)識(shí)別的路面照度檢測(cè)方法，包括如下步驟：

10、步驟s1，實(shí)時(shí)獲取道路圖像，使用機(jī)器學(xué)習(xí)方法進(jìn)行干擾檢測(cè)，得到待分析圖像；

11、步驟s2，對(duì)待分析圖像進(jìn)行語(yǔ)義分割，得到道路區(qū)域圖像；

12、步驟s3，對(duì)道路區(qū)域圖像進(jìn)行預(yù)處理，再使用特征提取模型進(jìn)行多維度特征提取，將提取的圖像特征輸入自定義多層神經(jīng)網(wǎng)絡(luò)回歸模型進(jìn)行訓(xùn)練和預(yù)測(cè)，得到路面的平均照度和照度均勻度。

13、優(yōu)選地，步驟s1包括如下子步驟：

14、步驟m1：通過(guò)現(xiàn)有的道路監(jiān)控系統(tǒng)或圖像采集設(shè)備實(shí)時(shí)獲取道路圖像，通過(guò)每秒鐘選取一張道路圖像，且每一張道路圖像包含采集時(shí)間點(diǎn)；

15、步驟m2：根據(jù)yolov8模型對(duì)輸入圖像的要求，對(duì)采集到的道路圖像進(jìn)行尺寸調(diào)整和分辨率設(shè)置，接著進(jìn)行顏色空間轉(zhuǎn)換，然后進(jìn)行歸一化處理，再進(jìn)行標(biāo)準(zhǔn)化處理，得到預(yù)處理后的道路圖像；

16、步驟m3：使用預(yù)訓(xùn)練的yolov8目標(biāo)檢測(cè)模型對(duì)預(yù)處理后的道路圖像進(jìn)行干擾項(xiàng)檢測(cè)，若在道路圖像中檢測(cè)到車(chē)輛干擾項(xiàng)，則對(duì)當(dāng)前的道路圖像進(jìn)行標(biāo)注并予以剔除，標(biāo)注的標(biāo)簽為：時(shí)間點(diǎn)+有車(chē)輛通過(guò)；若未檢測(cè)到車(chē)輛干擾項(xiàng)，則對(duì)當(dāng)前的道路圖像進(jìn)行標(biāo)注并作為待分析圖像輸出，標(biāo)注的標(biāo)簽為：時(shí)間點(diǎn)+無(wú)車(chē)輛通過(guò)。

17、優(yōu)選地，步驟s2采用如下步驟：

18、步驟u1：構(gòu)建分割模型，用于區(qū)分道路圖像中的道路區(qū)域和非道路區(qū)域；

19、步驟u2：以待分析圖像作為輸入提供給分割模型，分割模型對(duì)分析圖像進(jìn)行語(yǔ)義分割，識(shí)別出道路區(qū)域和非道路區(qū)域，對(duì)于識(shí)別出的非道路區(qū)域，使用白色掩碼進(jìn)行覆蓋，得到僅包含道路區(qū)域的道路區(qū)域圖像。

20、優(yōu)選地，步驟s2采用如下步驟：若攝像頭的位置和拍攝角度固定，采取手動(dòng)分割道路區(qū)域的方法，手動(dòng)劃定道路區(qū)域?yàn)楦信d趣區(qū)域，對(duì)非道路區(qū)域使用白色掩碼進(jìn)行覆蓋，得到僅包含道路區(qū)域的道路區(qū)域圖像。

21、優(yōu)選地，構(gòu)建分割模型包括如下子步驟：

22、步驟p1：在指定城市道路上采用指定攝像頭收集路燈開(kāi)啟時(shí)間段的道路圖像，然后采用labelme工具，將收集到的道路圖像中的道路區(qū)域和非道路區(qū)域分別進(jìn)行像素級(jí)標(biāo)注，生成相應(yīng)的標(biāo)注圖；

23、步驟p2：將標(biāo)注圖的大小統(tǒng)一調(diào)整為模型輸入圖像的大小，然后采用數(shù)據(jù)增強(qiáng)的方式增加圖像的多樣性，得到預(yù)處理后的圖像集，數(shù)據(jù)增強(qiáng)的方式包括對(duì)圖像進(jìn)行多角度旋轉(zhuǎn)、調(diào)整圖像的亮度和顏色，以及進(jìn)行圖像裁剪；

24、步驟p3：選擇deeplabv3+模型，并加載預(yù)訓(xùn)練的mobilenetv2作為骨干網(wǎng)絡(luò)，利用自有標(biāo)注數(shù)據(jù)集對(duì)模型進(jìn)行優(yōu)化調(diào)整；

25、步驟p4：將預(yù)處理后的圖像集以8：2的比例進(jìn)行劃分，其中80％的數(shù)據(jù)作為訓(xùn)練集，20％的數(shù)據(jù)作為驗(yàn)證集，在訓(xùn)練集上進(jìn)行模型的訓(xùn)練后，在驗(yàn)證集上對(duì)訓(xùn)練后的模型性能進(jìn)行評(píng)估，通過(guò)計(jì)算平均交并比指標(biāo)衡量模型的準(zhǔn)確性，同時(shí)使用未參與訓(xùn)練的道路圖片進(jìn)一步驗(yàn)證模型的效果。

26、優(yōu)選地，步驟s3包括如下子步驟：

27、步驟r1：采用中點(diǎn)法測(cè)量指定路段道路各個(gè)點(diǎn)位的照度值，并計(jì)算路段的平均照度和照度均勻度，收集和拍攝路燈開(kāi)啟時(shí)間段的道路圖像，將道路圖像和道路照明數(shù)據(jù)一一對(duì)應(yīng)，制作道路照明數(shù)據(jù)集，同時(shí)采用數(shù)據(jù)增強(qiáng)技術(shù)對(duì)道路照明數(shù)據(jù)集進(jìn)行擴(kuò)展；

28、步驟r2：去除道路區(qū)域圖像中的白色區(qū)域，接著，再轉(zhuǎn)換為hsv色彩空間，然后，對(duì)轉(zhuǎn)換后的圖像進(jìn)行尺寸調(diào)整和標(biāo)準(zhǔn)化處理，得到預(yù)處理后的道路區(qū)域圖像；

29、步驟r3：將預(yù)處理后的道路區(qū)域圖像輸入resnet50模型，通過(guò)多層的卷積和池化操作，提取圖像的高級(jí)特征，對(duì)提取后的特征圖進(jìn)行自適應(yīng)平均池化，得到提取的圖像特征；

30、步驟r4：將提取的圖像特征輸入到自定義多層神經(jīng)網(wǎng)絡(luò)的回歸模型中，回歸模型通過(guò)自定義的多層感知機(jī)(mlp)構(gòu)建，多層感知機(jī)包含多個(gè)線性回歸層、批量歸一化層、relu激活函數(shù)層和dropout層，回歸模型對(duì)提取的圖像特征進(jìn)行訓(xùn)練和預(yù)測(cè)，以獲得道路的平均照度和照度均勻度；

31、步驟r5：對(duì)回歸模型進(jìn)行訓(xùn)練，先創(chuàng)建數(shù)據(jù)集和數(shù)據(jù)加載器，并將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，再初始化回歸模型、損失函數(shù)和優(yōu)化器，通過(guò)訓(xùn)練數(shù)據(jù)優(yōu)化回歸模型的參數(shù)，采用均方誤差(mse)作為損失函數(shù)，通過(guò)adam優(yōu)化器進(jìn)行反向傳播和權(quán)重更新，訓(xùn)練過(guò)程包括設(shè)置學(xué)習(xí)率、批量大小和訓(xùn)練輪次，得到訓(xùn)練后的回歸模型；

32、步驟r6：將道路照明數(shù)據(jù)集劃分為訓(xùn)練集和驗(yàn)證集，比例為8:2，在驗(yàn)證集上對(duì)訓(xùn)練后的回歸模型的性能進(jìn)行評(píng)估，通過(guò)計(jì)算預(yù)測(cè)值與真實(shí)值之間的均方誤差(mse)，確保模型在驗(yàn)證集上的表現(xiàn)良好，并對(duì)回歸模型進(jìn)行性能驗(yàn)證；

33、步驟r7：將待檢測(cè)的道路圖像輸入到訓(xùn)練后的回歸模型中，進(jìn)行平均照度和照度均勻度的預(yù)測(cè)，輸出預(yù)測(cè)結(jié)果并記錄，同時(shí)，計(jì)算預(yù)測(cè)值與實(shí)際值之間的誤差，用于后續(xù)分析和實(shí)際應(yīng)用。

34、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：

35、1、工序方面，本發(fā)明充分利用現(xiàn)有的道路監(jiān)控系統(tǒng)或其他圖像采集設(shè)備，無(wú)需額外安裝特殊設(shè)備，減少設(shè)備安裝和調(diào)試的工作量。采用機(jī)器學(xué)習(xí)模型進(jìn)行自動(dòng)化處理，自動(dòng)檢測(cè)車(chē)輛通過(guò)情況并選擇合適的圖像幀進(jìn)行分析，減少人工操作依賴，簡(jiǎn)化操作流程。通過(guò)軟件處理實(shí)現(xiàn)照度檢測(cè)，無(wú)需對(duì)道路進(jìn)行物理改動(dòng)或安裝額外設(shè)備，降低操作復(fù)雜性，進(jìn)而提高檢測(cè)效率。本發(fā)明通過(guò)語(yǔ)義分割技術(shù)，精確區(qū)分道路區(qū)域和其他區(qū)域，提高了數(shù)據(jù)處理的精度和有效性。本發(fā)明采用預(yù)處理和標(biāo)準(zhǔn)化處理，減少環(huán)境變化的影響，提高特征提取的多樣性、一致性和準(zhǔn)確性，并使用自定義多層神經(jīng)網(wǎng)絡(luò)模型進(jìn)行高精度的照度預(yù)測(cè)，能夠?qū)崟r(shí)輸出路面照度的關(guān)鍵指標(biāo)，提供可靠的照度數(shù)據(jù)支持。

36、2、實(shí)時(shí)性方面，本發(fā)明實(shí)時(shí)獲取道路圖像，并利用機(jī)器學(xué)習(xí)模型即時(shí)分析，實(shí)現(xiàn)實(shí)時(shí)路面照度檢測(cè)。不斷更新的圖像數(shù)據(jù)隨時(shí)反映道路即時(shí)照度情況。自動(dòng)檢測(cè)車(chē)輛通過(guò)情況，選擇無(wú)車(chē)輛通過(guò)的圖像進(jìn)行處理，確保數(shù)據(jù)的準(zhǔn)確性和實(shí)時(shí)性，無(wú)需等待特定時(shí)間段或封鎖道路，可隨時(shí)隨地檢測(cè)。有助于動(dòng)態(tài)調(diào)整路燈照明強(qiáng)度，優(yōu)化能源使用，提高道路安全性和行車(chē)舒適度。

37、3、成本方面，本發(fā)明充分利用現(xiàn)有監(jiān)控系統(tǒng)或圖像采集設(shè)備，無(wú)需額外購(gòu)買(mǎi)昂貴的設(shè)備，降低硬件成本。通過(guò)軟件算法實(shí)現(xiàn)照度檢測(cè)，減少對(duì)物理設(shè)備的依賴。通過(guò)軟件升級(jí)和模型更新提升性能，降低長(zhǎng)期使用成本。無(wú)需在道路表面進(jìn)行物理改動(dòng)或安裝標(biāo)記，避免施工和維護(hù)費(fèi)用。