技術(shù)特征：

1.一種基于機(jī)器學(xué)習(xí)和視覺識別的路面照度檢測系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)和視覺識別的路面照度檢測系統(tǒng)，其特征在于，所述圖像獲取模塊中，通過現(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。

3.根據(jù)權(quán)利要求2所述的一種基于機(jī)器學(xué)習(xí)和視覺識別的路面照度檢測系統(tǒng)，其特征在于，所述圖像獲取模塊中，通過每秒鐘選取一張道路圖像，使用機(jī)器學(xué)習(xí)方法對所述道路圖像進(jìn)行干擾項(xiàng)檢測，若檢測到有車輛干擾項(xiàng)，則剔除所述道路圖像，若未檢測到車輛干擾項(xiàng)，則保留所述道路圖像，且標(biāo)準(zhǔn)時(shí)間點(diǎn)和檢測結(jié)果，作為待分析圖像。

4.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)和視覺識別的路面照度檢測系統(tǒng)，其特征在于，所述語義分割模塊中，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，對所述待分析圖像進(jìn)行語義分割，識別道路區(qū)域和非道路區(qū)域，通過對所述非道路區(qū)域進(jìn)行處理得到道路區(qū)域圖像。

5.一種基于機(jī)器學(xué)習(xí)和視覺識別的路面照度檢測方法，其特征在于，包括如下步驟：

6.根據(jù)權(quán)利要求5所述的一種基于機(jī)器學(xué)習(xí)和視覺識別的路面照度檢測方法，其特征在于，所述步驟s1包括如下子步驟：

7.根據(jù)權(quán)利要求5所述的一種基于機(jī)器學(xué)習(xí)和視覺識別的路面照度檢測方法，其特征在于，所述步驟s2采用如下步驟：

8.根據(jù)權(quán)利要求5所述的一種基于機(jī)器學(xué)習(xí)和視覺識別的路面照度檢測方法，其特征在于，所述步驟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。

9.根據(jù)權(quán)利要求7所述的一種基于機(jī)器學(xué)習(xí)和視覺識別的路面照度檢測方法，其特征在于，所述構(gòu)建分割模型包括如下子步驟：

10.根據(jù)權(quán)利要求5所述的一種基于機(jī)器學(xué)習(xí)和視覺識別的路面照度檢測方法，其特征在于，所述步驟s3包括如下子步驟：

技術(shù)總結(jié)
本發(fā)明提供了一種基于機(jī)器學(xué)習(xí)和視覺識別的路面照度檢測系統(tǒng)及方法，系統(tǒng)包括：圖像獲取模塊使用機(jī)器學(xué)習(xí)方法得到待分析圖像；語義分割模塊對待分析圖像進(jìn)行語義分割得到道路區(qū)域圖像；照度預(yù)測模塊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，得到路面的平均照度和照度均勻度。方法包括：步驟S1，實(shí)時(shí)獲取道路圖像；步驟S2，對待分析圖像進(jìn)行語義分割，得到道路區(qū)域圖像；步驟S3，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，得到路面的平均照度和照度均勻度。本發(fā)明利用現(xiàn)有道路監(jiān)控系統(tǒng)或圖像采集設(shè)備，結(jié)合先進(jìn)的機(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)高效、準(zhǔn)確的路面照度檢測。

技術(shù)研發(fā)人員：武瓊,盧強(qiáng),劉翔,解偉豪,董昊,李付偉,盧陽,王文豪,林浩宇,馬光耀,周凱文
受保護(hù)的技術(shù)使用者：上海五零盛同信息科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9