本发明涉及智能交通管理领域，特别涉及一种基于深度卷积神经网络的农村公路病害检测方法及系统。
背景技术：
1、随着我国公路的不断发展，覆盖全国的农村公路网络基本形成，公路大养护时代即将来临，无论是水泥还是沥青路面，在实际运营过程中，受交通量、荷载、温度、水分、风化等综合影响会陆续出现单向裂缝、网状裂缝、破碎板、坑槽、坑洞、修补等损害，统称为路面病害。路面病害检测及定量评价是道路智能养护决策中的重要组成部分。因此，如何科学、快速、定量地进行公路养护评价，合理制定养护方案，使路网保持较高的性能和服务水平，已成为实现农村公路可持续发展亟待解决的关键技术问题。
技术实现思路
1、为解决上述技术问题，本发明提供一种基于深度卷积神经网络的农村公路病害检测方法及系统，可以解决现有不存在农村公路病害检测技术的问题。
2、为实现上述目的，一方面，本发明提供一种基于深度卷积神经网络的农村公路病害检测方法，所述方法包括：
3、获取农村公路静态数据和公路动态数据；
4、根据所述公路静态数据、所述公路动态数据、预置安全分析模型获取交通安全隐患点；
5、根据所述交通安全隐患点构建基于全卷积网络的语义分割模型；
6、根据所述基于全卷积网络的语义分割模型获取各类病害回归框的几何特征信息和类型信息；
7、根据各类病害回归框的几何特征信息和类型信息对农村公路进行检测评定。
8、进一步地，所述根据所述公路静态数据、所述公路动态数据、预置安全分析模型获取交通安全隐患点的步骤包括：
9、获取并标注标准公路数据；
10、通过标注之后的所述标准公路数据获取安全分析模型，其中，所述标准公路数据与所述公路静态数据、所述公路动态数据的内容属性一致；
11、根据所述公路静态数据和所述公路动态数据生成所述安全分析模型的输入数据，获取输出的安全评价标签；
12、根据所述安全评价标签和安全评价阈值获取交通安全隐患点。
13、进一步地，所述根据所述交通安全隐患点构建基于全卷积网络的语义分割模型的步骤包括：
14、根据所述交通安全隐患点生成多类型农村公路路面病害训练数据集；
15、根据多类型农村公路路面病害训练数据集构建基于全卷积网络的语义分割模型。
16、进一步地，所述根据所述基于全卷积网络的语义分割模型获取各类病害回归框的几何特征信息和类型信息的步骤包括：
17、将图像配置为与相邻图像块有特定重复区域的图像块，并通过所述基于全卷积网络的语义分割模型进行预测；
18、根据预测后的数据统计各类病害回归框的几何特征信息和类型信息。
19、进一步地，所述根据各类病害回归框的几何特征信息和类型信息对农村公路进行检测评定的步骤包括：根据公式进行计算，其中，dr为路面破损率，为各种病害的折合面积之和与路面调查面积的百分比；ai为第i类路面病害损坏的面积；a为调查的路面面积；ωi为第i类路面病害损坏的权重。
20、另一方面，本发明提供一种基于深度卷积神经网络的农村公路病害检测系统，所述系统包括：获取单元，用于获取农村公路静态数据和公路动态数据；
21、所述获取单元，还用于根据所述公路静态数据、所述公路动态数据、预置安全分析模型获取交通安全隐患点；
22、构建单元，用于根据所述交通安全隐患点构建基于全卷积网络的语义分割模型；
23、所述获取单元，还用于根据所述基于全卷积网络的语义分割模型获取各类病害回归框的几何特征信息和类型信息；
24、检测单元，用于根据各类病害回归框的几何特征信息和类型信息对农村公路进行检测评定。
25、进一步地，所述获取单元，具体用于获取并标注标准公路数据；通过标注之后的所述标准公路数据获取安全分析模型，其中，所述标准公路数据与所述公路静态数据、所述公路动态数据的内容属性一致；根据所述公路静态数据和所述公路动态数据生成所述安全分析模型的输入数据，获取输出的安全评价标签；根据所述安全评价标签和安全评价阈值获取交通安全隐患点。
26、进一步地，所述构建单元，具体用于根据所述交通安全隐患点生成多类型农村公路路面病害训练数据集；根据多类型农村公路路面病害训练数据集构建基于全卷积网络的语义分割模型。
27、进一步地，所述获取单元，具体还用于将图像配置为与相邻图像块有特定重复区域的图像块，并通过所述基于全卷积网络的语义分割模型进行预测；根据预测后的数据统计各类病害回归框的几何特征信息和类型信息。
28、进一步地，所述检测单元，具体用于根据公式进行计算，其中，dr为路面破损率，为各种病害的折合面积之和与路面调查面积的百分比；ai为第i类路面病害损坏的面积；a为调查的路面面积；ωi为第i类路面病害损坏的权重。
29、本发明提供的一种基于深度卷积神经网络的农村公路病害检测方法及系统，通过根据所述公路静态数据、所述公路动态数据、预置安全分析模型获取交通安全隐患点，对现有视频和雷达设备进行高速病害的类型、范围等识别；并根据所述交通安全隐患点构建基于全卷积网络的语义分割模型，根据所述基于全卷积网络的语义分割模型对农村公路进行检测评定，快速进行病害工单的流转完成病害的养护，尽早排除有效预防和减少病害带来的交通事故发生。
1.一种基于深度卷积神经网络的农村公路病害检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于深度卷积神经网络的农村公路病害检测方法，其特征在于，所述根据所述公路静态数据、所述公路动态数据、预置安全分析模型获取交通安全隐患点的步骤包括：
3.根据权利要求1所述的一种基于深度卷积神经网络的农村公路病害检测方法，其特征在于，所述根据所述交通安全隐患点构建基于全卷积网络的语义分割模型的步骤包括：
4.根据权利要求1所述的一种基于深度卷积神经网络的农村公路病害检测方法，其特征在于，所述根据所述基于全卷积网络的语义分割模型获取各类病害回归框的几何特征信息和类型信息的步骤包括：
5.根据权利要求1所述的一种基于深度卷积神经网络的农村公路病害检测方法，其特征在于，所述根据各类病害回归框的几何特征信息和类型信息对农村公路进行检测评定的步骤包括：根据公式进行计算，其中，dr为路面破损率，为各种病害的折合面积之和与路面调查面积的百分比；ai为第i类路面病害损坏的面积；a为调查的路面面积；ωi为第i类路面病害损坏的权重。
6.一种基于深度卷积神经网络的农村公路病害检测系统，其特征在于，所述系统包括：
7.根据权利要求6所述的一种基于深度卷积神经网络的农村公路病害检测系统，其特征在于，
8.根据权利要求6所述的一种基于深度卷积神经网络的农村公路病害检测系统，其特征在于，
9.根据权利要求6所述的一种基于深度卷积神经网络的农村公路病害检测系统，其特征在于，所述获取单元，具体还用于将图像配置为与相邻图像块有特定重复区域的图像块，并通过所述基于全卷积网络的语义分割模型进行预测；根据预测后的数据统计各类病害回归框的几何特征信息和类型信息。
10.根据权利要求6所述的一种基于深度卷积神经网络的农村公路病害检测系统，其特征在于，
