1.本技术涉及人工智能技术领域，尤其涉及一种道路检测信息的处理方法、装置、设备及存储介质。
背景技术：2.随着基础建设的能力提升，公路路网的覆盖面越来越广，公路的路面情况对于行车体验和行车安全的影响较大，为确保行车安全，在路面出现塌陷、裂缝、凹凸不平以及道路标识牌损坏等情况时，需要工作人员对道路进行及时的修复。
3.现有的对公路路面的情况进行检测的方式主要通过工作人员沿路进行观看检查，对路面的情况进行记录，然而现有的公路路面的检测方式，检测效率较低且工作强度大。
技术实现要素：4.为了解决上述技术问题或者至少部分地解决上述技术问题，本技术提供了一种道路检测信息的处理方法、装置、设备及存储介质。
5.第一方面，本技术提供了一种道路检测信息的处理方法，包括：
6.获取目标道路的采集图像信息；
7.依据所述采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到所述目标道路对应的路面预测结果，所述路面预测结果包含路面病害类型、路面标识牌类型、所述路面病害类型对应的病害数量以及所述路面标识牌类型对应的标识牌数量；
8.基于获取的定位数据和加速度数据，确定所述路面病害类型或所述路面标识牌类型对应的地理位置信息和路面平整度信息；
9.依据所述地理位置信息、所述路面平整度信息以及所述采集图像信息，确定所述目标道路的路面检测结果。
10.可选的，所述获取目标道路的采集图像信息，包括：
11.通过摄像头对目标道路进行录制，得到道路视频信息；
12.从所述道路视频信息抽取图像帧，并将抽取到的图像帧确定为所述采集图像信息。
13.可选的，所述道路检测模型包含路面目标检测模型和路面目标追踪模型，所述依据所述采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到所述目标道路对应的路面预测结果，包括：
14.通过所述路面目标检测模型对采集图像信息进行路面目标检测，得到路面病害检测结果和路面标识牌检测结果，所述路面病害识别结果包含路面病害信息和所述路面病害信息对应的路面病害类型，所述路面标识牌检测结果包含路面标识牌信息和所述路面标识牌信息对应的路面危害类型；
15.基于所述采集图像信息，通过所述路面目标跟踪模型对所述路面病害信息和所述
路面标识牌信息进行追踪识别，得到所述路面病害类型的病害数量和所述路面标识牌类型的标识牌数量。
16.可选的，所述通过所述路面目标检测模型对采集图像信息进行路面目标检测，得到路面病害检测结果和路面标识牌检测结果，包括：
17.将所述采集图像信息输入所述路面目标检测模型；
18.通过所述路面目标检测模型对所述采集图像信息中的路面目标进行检测识别，得到路面目标识别结果；
19.若所述路面目标识别结果中的病害置信度符合预设病害置信度条件，则将所述路面目标识别结果中的路面目标信息确定为所述路面病害信息，并确定所述路面病害信息对应的路面病害类型；
20.若所述路面目标识别结果中的标识牌置信度符合预设标识牌置信度条件，则将所述路面目标识别结果中的路面目标信息确定为所述路面标识牌信息，并确定所述路面标识牌信息对应的路面病害类型。
21.可选的，所述通过预先训练好的道路检测模型进行路面检测识别处理之前，还包括：
22.从样本数据集中，提取待训练图像数据和所述待训练图像数据对应的验证数据；
23.依据所述待训练图像数据进行数据增强处理，得到所述待训练图像数据对应的增强图像数据；
24.依据所述增强图像数据和所述验证数据进行模型训练，得到所述道路检测模型。
25.可选的，所述验证数据包含路面病害验证类型和/或路面标识牌验证类型，所述依据所述增强图像数据和所述验证数据进行模型训练，得到所述道路检测模型，包括：
26.依据所述增强图像数据、所述路面病害验证类型和所述路面标识牌验证类型进行模型训练，得到路面目标检测模型；
27.依据所述路面目标检测模型输出的路面病害检测结果，确定路面目标病害类型，以及依据所述路面目标检测模型输出的路面标识牌检测结果，确定路面目标标识牌类型；
28.依据所述增强图像数据，确定所述路面目标病害类型对应的路面病害验证数量和所述路面目标标识牌类型对应的路面标识牌验证数量；
29.依据所述路面病害验证数量、所述路面标识牌验证数量和所述增强图像数据进行模型训练，得到路面目标追踪模型。
30.可选的，所述从样本数据集中，提取待训练图像数据和所述待训练图像数据对应的验证数据之前，还包括：
31.确定所述采集图像信息对应的路面病害的类别名称和路面标识牌的类别名称；
32.基于所述采集图像信息、所述路面病害的类别名称和所述路面标识牌的类别名称，生成所述样本数据集。
33.第二方面，本技术提供了一种道路检测信息的处理装置，包括：
34.采集图像信息获取模块，用于获取目标道路的采集图像信息；
35.路面预测结果确定模块，用于依据所述采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到所述目标道路对应的路面预测结果，所述路面预测结果包含路面病害类型、路面标识牌类型、所述路面病害类型对应的病害数量以及所述路面
标识牌类型对应的标识牌数量；
36.信息获取模块，用于基于获取的定位数据和加速度数据，获取所述路面病害类型或所述路面标识牌类型对应的地理位置信息和路面平整度信息；
37.路面检测结果确定模块，用于依据所述地理位置信息、所述路面平整度信息以及所述采集图像信息，确定所述目标道路的路面检测结果。
38.第三方面，本技术提供了一种道路检测信息的处理设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
39.存储器，用于存放计算机程序；
40.处理器，用于执行存储器上所存放的程序时，实现如第一方面任一项实施例所述的道路检测信息的处理方法的步骤。
41.第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的道路检测信息的处理方法的步骤。
42.综上，本技术实施例通过获取目标道路的采集图像信息，依据采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到目标道路对应的路面预测结果，路面预测结果包含路面病害类型、路面标识牌类型、路面病害类型对应的病害数量以及路面标识牌类型对应的病害数量，基于获取的定位数据和加速度数据，获取路面病害类型或路面标识牌类型对应的地理位置信息和路面平整度信息，依据地理位置信息、路面平整度信息以及采集图像信息，确定目标道路的路面检测结果,从而提高路面病害和路面标识牌的检测效率，解决了现有技术通过人工检测路面情况所导致的问题。
附图说明
43.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
44.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
45.图1为本技术实施例提供的一种道路检测信息的处理方法的流程示意图；
46.图2是本技术一个可选实施例提供的一种道路检测信息的处理方法的步骤流程示意图；
47.图3是本技术一个示例提供的一种道路检测信息的处理方法的示意图；
48.图4是本技术一个可选示例提供的一种道路检测信息的处理方法的流程示意图；
49.图5是本技术一个可选示例的一种道路检测信息的处理方法的整体框架图；
50.图6是本技术一个可选示例中的一种道路检测信息的处理示意图；
51.图7是本技术一个可选实施例提供的一种道路检测信息的处理方法的步骤流程示意图；
52.图8是本技术一个示例提供的一种模型训练流程示意图；
53.图9为本技术实施例提供的一种道路检测信息的处理装置的结构框图；
54.图10是本技术实施例提供的一种道路检测信息的处理设备的结构示意图。
具体实施方式
55.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
56.在相关技术中，现有对公路路面的情况进行检测的方式，一般是通过工作人员沿路进行观看检查，并对路面的情况进行记录，如对路面出现塌陷、裂缝、凹凸不平以及道路标识牌损坏等情况进行记录，该检测方式效率较低且工作强度大，并且在公路车流量较大、车速较快的路况下，工作人员进行路面检查工作还会存在有一定的安全风险。
57.本技术实施例构思之一在于，提出一种道路检测信息的处理方法，通过获取目标道路的采集图像信息，依据采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到目标道路对应的路面预测结果，路面预测结果包含路面病害类型、路面标识牌类型、路面病害类型对应的病害数量以及路面标识牌类型对应的病害数量，基于获取的定位数据和加速度数据，确定路面病害类型或路面标识牌类型对应的地理位置信息和路面平整度信息，依据地理位置信息、路面平整度信息以及采集图像信息，确定目标道路的路面检测结果,从而提高路面病害和路面标识牌的检测效率，解决了现有技术通过人工检测路面情况所导致的问题。
58.为便于对本技术实施例的理解，下面将结合附图以及具体实施例做进一步的解释说明，实施例并不构成对本技术实施例的限定。
59.图1为本技术实施例提供的一种道路检测信息的处理方法的流程示意图。如图1所示，本技术提供的道路检测信息的处理方法具体可以包括如下步骤：
60.步骤110，获取目标道路的采集图像信息。
61.具体的，可以将需要进行路面病害检测和路面标识牌检测的道路作为目标道路，本技术实施例对此不做限制；采集图像信息可以包含目标道路对应的图像，本技术实施例对此也不做限制。例如，可以通过摄像头采集目标道路的图像，以作为采集图像信息，该摄像头可以是高清摄像头，本示例对此不做限制。
62.步骤120，依据所述采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到所述目标道路对应的路面预测结果。
63.其中，所述路面预测结果包含路面病害类型、路面标识牌类型、所述路面病害类型对应的病害数量以及所述路面标识牌类型对应的标识牌数量。
64.具体的，路面病害可以包含道路路面裂缝，该道路路面裂缝可以包含坑槽、修补、横向裂缝、纵向裂缝以及皲裂等，本技术实施例对此不做限制；路面标识牌可以包含指示标志、指路标志、禁令标志、警告标志以及旅游区标志等，本技术实施例对此也不做限制。具体而言，在获取到采集图像信息后，可以将该采集图像信息输入到预先训练好的道路检测模型中，以通过道路检测模型进行路面检测识别处理，得到目标道路对应的路面预测结果，进而可以根据路面预测结果确定路面病害类型、路面病害类型对应的病害数量、路面标识牌类型、以及路面标识牌类型对应的标识牌数量等，提高了道路路面病害和路面标识牌的识别检测效率，解决了现有方案通过人工对路面进行检测所存在的安全风险的问题，具有安全高效的积极效果。
65.在具体实现中，将采集图像信息输入到道路检测模型后，可以通过道路检测模型对采集图像信息进行检测识别，以得到目标道路的路面病害信息、该路面病害信息对应的路面病害类型、路面标识牌信息以及该路面标识牌信息对应的路面标识牌类型，其中，路面病害信息可以包含路面病害类型对应的位置，路面标识牌信息可以包含路面标识牌类型对应的位置。随后可以确定目标道路的路面病害类型对应的路面病害数量以及路面标识牌类型对应的路面标识牌数量，并可以基于路面病害类型、路面病害类型对应的路面病害数量、路面标识牌类型以及路面标识牌类型对应的路面标识牌数量，确定目标道路对应的路面预测结果。
66.步骤130，基于获取的定位数据和加速度数据，确定所述路面病害类型或所述路面标识牌类型对应的地理位置信息和路面平整度信息。
67.具体的，定位数据可以包含全球定位系统(global positioning system，gps)数据，该定位数据可以用于确定路面病害类型或路面标识牌类型对应的地理位置信息，本技术实施例对此不做限制；加速度数据可以用于确定路面病害类型或路面标识牌类型对应的路面平整度，并可以将该路面平整度作为路面平整度信息，本技术实施例对此也不做限制。具体而言，在确定路面病害数量和路面标识牌数量后，可以获取定位数据和加速度数据，并可以基于获取到的定位数据和加速度数据，确定路面病害类型对应的地理位置信息和路面平整度信息或路面标识牌类型对应的地理位置信息和路面平整度信息。
68.例如，在获取目标道路的采集图像信息时，可以通过全球定位系统(global positioning system，gps)模块实时获取当前位置信息，以作为定位数据，并可以通过加速度传感器模块实时检测当前路面的平整度，以得到加速度数据，随后可以基于获取到的gps定位数据，确定路面病害类型或路面标识牌类型对应的地理位置信息，基于获取到的加速度数据，确定路面路面病害类型或路面标识牌类型对应的路面平整度信息。
69.步骤140，依据所述地理位置信息、所述路面平整度信息以及所述采集图像信息，确定所述目标道路的路面检测识别结果。
70.具体的，路面检测结果可以包含目标道路出现的所有路面病害类型、路面病害类型对应的地理位置、路面病害类型对应的路面病害数量、路面标识牌类型、路面标识牌类型对应的地理位置以及路面标识牌类型对应的路面标识牌数量等，本技术实施例对此不作限制。具体而言，本技术实施例可以依据地理位置信息、路面平整度信息以及采集图像信息，确定目标道路的路面检测识别结果，从而无需人工对道路路面裂缝及道路标识牌进行检测和记录，提高了道路路面病害和道路标识牌的识别检测效率，降低工作人员的工作量。
71.作为一个示例，可以在采集图像信息中框出检测到的路面病害和/或路面标识牌，并可以显示该路面病害和路面标识牌对应的地理位置信息、路面平整度信息、路面病害对应的路面病害类型、路面标识牌对应的路面标识牌类型以及该采集图像信息中的路面病害类型对应的病害数量和路面标识牌类型对应的标识牌数量等，以作为目标道路的路面检测识别结果。当然，也可以是统计目标道路中所有的路面病害类型、路面病害类型对应的病害数量、路面标识牌类型以及路面标识牌类型对应的标识数量等，作为目标道路的路面检测识别结果，本示例对此不做限制。后续可以基于路面检测识别结果，生成json格式的信息，返回给用户。
72.可见，本技术实施例通过获取目标道路的采集图像信息，依据采集图像信息，通过
预先训练好的道路检测模型进行路面检测识别处理，得到目标道路对应的路面预测结果，路面预测结果包含路面病害类型、路面标识牌类型、路面病害类型对应的病害数量以及路面标识牌类型对应的病害数量，基于获取的定位数据和加速度数据，获取路面病害类型或路面标识牌类型对应的地理位置信息和路面平整度信息，依据地理位置信息、路面平整度信息以及采集图像信息，确定目标道路的路面检测结果,从而提高路面病害和路面标识牌的检测效率，解决了现有技术通过人工检测路面情况所导致的问题。
73.参照图2，示出了本技术一个可选实施例提供的一种道路检测信息的处理方法的步骤流程示意图。该道路检测信息的处理方法具体可以包括如下步骤：
74.步骤210，获取目标道路的采集图像信息。
75.在一个可选实施例中，本技术实施例获取目标道路的采集图像信息，具体可以包括：通过摄像头对目标道路进行录制，得到道路视频信息；从所述道路视频信息抽取图像帧，并将抽取到的图像帧确定为所述采集图像信息。具体而言，道路视频信息可以包含多个图像帧，可以抽取道路视频信息中所有的图像帧，作为采集图像信息，如可以通过开源计算机视觉库(opencv)从采集到的道路视频信息中抽取图像帧，后续可以依据采集图像信息进行路面检测识别，确定目标道路的路面检测结果，通过对道路视频信息中所有的图像帧进行路面检测识别，能有效提高路面检测的精确度。当然也可以预设抽帧方法，按照预设的抽帧方法从道路视频信息中抽取图像帧，如预设的方法可以是每五个图像帧中抽取一帧，将抽取到的图像帧作为采集图像信息，通过减少图像帧，从而可以提高检测效率，降低模型资源消耗。
76.作为一个示例，参照图3，车辆可以安装有前端相机、车载网络硬盘录像机(network video recorder，nvr)、电源以及边缘盒子等，其中，前端相机可以是tof相机，本示例对此不做限制；边缘盒子可以是边缘计算设备，该边缘计算设备可以部署有神经网络模型，如可以内置有预先训练好的道路检测模型，本示例对此不做限制。在需要检测目标道路的路面病害和道路标识牌时，车辆可以行驶在目标道路上，并可以通过前端相机对目标道路进行录制，以实时采集目标道路的道路视频信息。前端相机可以与车载nvr相连接，以向车载nvr发送采集到的道路视频信息，随后车载nvr可以接收前端相机发送的道路视频信息，可以存储该道路视频信息，并可以抽取该道路视频信息的图像帧，以作为采集图像信息传输给边缘盒子，边缘盒子接收到采集图像信息后，可以通过内置的道路检测模型对采集图像信息进行检测识别，从而可以得到目标道路的路面检测结果。
77.进一步的，车载nvr还可以为边缘盒子提供网络，如可以为边缘盒子提供网络热点(wi-fi)和/或第五代移动通信技术(5thgeneration mobile communication technology，5g)网络，边缘盒子可以通过车载nvr提供的网络与用户设备连接，如参照图3，在用户设备为平板的情况下，边缘盒子可以通过wi-fi网络和/或5g网络与平板连接，以便后续可以将目标道路的路面检测结果发送给用户设备，如可以通过wi-fi网络和/或5g网络将路面检测结果发送给平板。
78.步骤220，通过所述路面目标检测模型对采集图像信息进行路面目标检测，得到路面病害检测结果和路面标识牌检测结果。
79.其中，所述道路检测模型包含路面目标检测模型和路面目标追踪模型，所述路面病害识别结果包含路面病害信息和所述路面病害信息对应的路面病害类型，所述路面标识
牌检测结果包含路面标识牌信息和所述路面标识牌信息对应的路面危害类型。
80.具体的，路面目标可以包含路面病害和路面标识牌，本技术实施例对此不做限制。具体而言，道路检测模型可以包含路面目标检测模型和路面目标追踪模型。本技术实施例可以通过路面目标检测模型对采集图像信息进行路面目标检测，如可以是对采集图像信息进行路面病害及路面标识牌检测，以在检测到路面病害时，确定路面病害信息和路面病害信息对应的路面病害类型，得到路面病害检测结果，并可以在检测到路面标识牌时，确定路面标识牌信息和路面标识牌信息对应的路面标识牌类型，得到路面标识牌检测结果。
81.例如，参照图4，路面病害及道路标识牌检测模型可以是路面目标检测模型，本示例对此不做限制；跟踪模型可以是路面目标跟踪模型，本示例对此也不做限制。具体而言，可以将采集图像信息输入到路面病害及道路标识牌检测模型中，通过路面病害及道路标识牌检测模型识别采集图像信息中的路面病害和路面标识牌，得到路面病害检测结果和路面标识牌检测结果，后续可以通过跟踪模型对采集图像信息中的路面目标进行追踪识别，如可以通过跟踪模型对路面病害检测结果中的路面病害信息进行追踪识别，得到路面病害类型的病害数量，通过跟踪模型对路面标识牌检测结果中的路面标识牌信息进行追踪识别，得到路面标识牌类型的标识牌数量，并可以输出单帧图像中出现的各目标的类型及对应个数，如可以输出采集图像信息中出现的路面病害类型和路面病害类型的病害数量，以及输出采集图像信息中出现的路面标识牌类型和路面标识牌类型的标识牌数量。
82.可选的，上述通过所述路面目标检测模型对采集图像信息进行路面目标检测，得到路面病害检测结果和路面标识牌检测结果，具体可以包括以下子步骤：
83.子步骤2201，将所述采集图像信息输入所述路面目标检测模型。
84.具体的，本技术实施例可以将采集图像信息输入路面目标检测模型中，使得路面目标检测模型可以对采集图像信息中的路面目标进行检测识别，从而可以快速识别目标道路的路面病害和路面标识牌，进而可以提高路面危害和路面标识牌的检测效率。
85.子步骤2202，通过所述路面目标检测模型对所述采集图像信息中的路面目标进行检测识别，得到路面目标识别结果。
86.具体的，本技术实施例可以通过路面目标检测模型对采集图像信息中的路面目标进行检测识别，得到路面目标识别结果，其中，路面目标识别结果可以包含路面病害信息、路面病害信息对应的路面病害类型、路面病害信息对应的病害置信度、路面标识牌信息、路面标识牌信息对应的路面标识牌类型以及路面标识牌信息对应的标识牌置信度。
87.在具体实现中，病害置信度和标识牌置信度都可以是一个数值，如可以是概率数值，本技术实施例对此不作限制。路面目标检测模型可以对采集图像信息中的路面目标进行检测识别，得到该路面目标对应的置信度，如在识别到路面目标为路面病害时，可以预测该路面目标为路面病害的置信度，得到病害置信度；同理，在识别到路面目标为路面标识牌时，可以预测该路面目标为路面标识牌的置信度，得到标识牌置信度。
88.作为一个示例，在路面目标对应的路面病害为坑槽，且该坑槽对应的病害置信度可以是0.96的情况下，可以确定该路面目标为坑槽的概率为是百分之九十六，本示例对此不作限制。
89.子步骤2203，若所述路面目标识别结果中的病害置信度符合预设病害置信度条件，则将所述路面目标识别结果中路面目标信息确定为所述路面病害信息，并确定路面病
害信息对应的路面病害类型。
90.子步骤2204，若所述路面目标识别结果中的标识牌置信度符合预设标识牌置信度条件，则将所述路面目标识别结果中的路面目标信息确定为所述路面标识牌信息，并确定所述路面标识牌信息对应的路面病害类型。
91.具体的，本技术实施例在确定路面目标识别结果后，可以从路面目标识别结果中提取置信度，并可以判断该置信度是否符合预设置信度条件。具体而言，在路面目标为路面病害时，可以从路面目标识别结果中提取病害置信度，随后可以判断该提取到的病害置信度是否符合预设病害置信度条件，若确定病害置信度符合预设置信度条件，则可以将路面目标识别结果中的路面目标信息确定为路面病害信息，并可以确定该路面病害信息对应的路面病害类型。在路面目标为路面标识牌时，可以从路面目标识别结果中提取标识牌置信度。随后可以判断该提取到的标识牌置信度是否符合预设标识牌置信度条件，若确定该标识牌置信度符合预设标识牌置信度条件，则可以将路面目标识别结果中的路面目标信息确定为路面标识牌信息，并可以确定该路面标识牌信息对应的路面标识牌类型。
92.在具体实现中，若路面目标识别结果中的置信度不符合预设置信度条件，如在路面目标识别结果中的病害置信度不符合预设病害置信度条件，或路面目标识别结果中的标识牌置信度不符合预设标识牌置信度条件时，可以输出该路面目标识别结果置信度较低的提示，从而可以提醒用户当前路面目标识别结果的置信度较低，建议进行人工检测。
93.作为一个示例，可以预设置信度判断阈值，如可以预设病害置信度判断阈值和标识牌置信度判断阈值，该病害置信度判断阈值和标识牌置信度判断阈值可以相同，也可以不同，本示例对此不做限制。在路面目标为路面病害的情况下，可以从路面目标识别结果中提取病害置信度，随后可以将该病害置信度与预设病害置信度判断阈值进行比对，并可以在病害置信度不小于置信度判断阈值的情况下，确定病害置信度符合预设病害置信度条件，在病害置信度小于预设病害置信度判断阈值的情况下，确定为病害置信度不符合预设病害置信度条件。同理，在路面目标为路面标识牌的情况下，可以从路面目标识别结果中提取标识牌置信度，随后可以将该标识牌置信度与预设标识牌置信度判断阈值进行比对，并可以在标识牌置信度不小于置信度判断阈值的情况下，确定标识牌置信度符合预设标识牌置信度条件，在标识牌置信度小于预设标识牌置信度判断阈值的情况下，确定为标识牌置信度不符合预设标识牌置信度条件。
94.步骤230，基于所述采集图像信息，通过所述路面目标跟踪模型对所述路面病害信息和所述路面标识牌信息进行追踪识别，得到所述路面病害类型的病害数量和所述路面标识牌类型的标识牌数量。
95.具体的，本技术实施例可以基于采集图像信息，通过路面目标跟踪模型对路面病害信息和路面标识牌信息进行追踪识别，得到路面病害类型的病害数量和路面标识牌类型的标识牌数量。具体而言，对于采集图像信息包含的各个路面目标，可以通过路面目标跟踪模型对各个路面目标进行编号，如可以对采集图像信息中的路面病害和路面标识牌进行编号，随后可以通过路面目标跟踪模型对目标道路的所有采集图像信息中的路面病害和路面标识牌进行跟踪，可以将目标道路中出现的具有相同编号的路面目标进行去重，如可以对编号相同的路面病害以及编号相同的路面标识牌进行去重，从而可以确定目标道路中所有的路面病害和路面标识牌，得到路面病害类型的病害数量和路面标识牌类型的标识牌数
量，通过路面目标检测模型对采集图像信息中的路面病害和路面标识牌进行识别检测，进而通过路面目标跟踪模型对识别到的路面病害和路面标识牌进行跟踪，从而可以确定目标道路的路面病害数量和路面标识牌数量，在实现自动检测识别目标道路的路面病害和路面标识牌的同时，能统计目标道路的路面病害数量和路面标识牌数量，解决了现有技术中采用人工对路面病害进行检测所导致的问题，具有安全高效的积极效果。
96.例如，参照图5，在完成模型训练后，如在完成路面目标检测模型和路面目标跟踪模型的模型训练后，可以将训练好的模型模型部署到边缘计算设备中。在对目标道路进行路面检测时，可以通过车辆内置的定位模块进行实时定位，以作为定位数据，可以将实时捕获的目标道路的路面图像作为采集图像信息输入到边缘计算设备中，使得边缘计算设备可以通过内置的模型对采集图像信息进行模型推理，如可以通过路面目标检测模型对采集图像信息进行检测识别，得到路面目标，并可以通过定位数据，确定采集图像的地理位置信息，以作为路面目标的地理位置信息。随后可以对路面目标进行分析预测，得到路面目标对应的类别和该路面目标在采集图像信息中的位置，将该路面目标在采集图像信息中的位置作为标记框信息。在确定路面目标后，可以通过路面目标跟踪模型对路面目标进行追踪识别，如可以对每一个路面目标设置唯一编号，随后可以统计该采集图像信息中出现的各个路面目标的类型和数量，基于路面目标类型、路面目标类型的路面目标数量以及采集图像信息，输出检测识别图像。
97.作为一个示例，参照图6，通过路面目标检测模型对采集图像信息进行路面目标检测识别，得到路面目标检测结果后，可以在采集图像信息中框出识别检测到的路面目标(即灾害)，并可以显示该路面目标的详细信息，如可以显示该路面目标的类别(即灾害所属类别)、路面目标在图像中的坐标(即灾害在图像中的坐标)、路面目标的置信度(即灾害的置信度)以及路面目标在采集图像信息中的尺寸(即灾害的尺寸信息)，随后可以通过路面目标跟踪模型对该采集图像信息中的每一个路面目标进行编号，并可以统计该采集图像信息中含有的路面目标数量(即图像中含有的灾害数目)，可以在采集图像信息中显示该所有的路面目标数量以及每一个路面目标对应的编号(即第几个灾害信息)。
98.进一步而言，本技术实施例可以在路面目标检测模型对目标道路的所有的采集图像信息进行识别检测，得到所有的采集图像信息的路面目标后，可以通过路面目标跟踪模型可以对同一编号的路面目标进行去重，从而可以得到目标道路所有的路面目标的类型和路面目标的数量。
99.步骤240，基于获取的定位数据和加速度数据，确定所述路面病害类型或所述路面标识牌类型对应的地理位置信息和路面平整度信息。
100.作为一个示例，参照图3，车辆可以安装有加速度传感器和gps定位模块，其中，加速度传感器可以在车辆行驶时实时获取车辆的加速度数据，从而可以根据加速度数据确定路面平整度信息，本示例对此不作限制；gps定位模块可以用于在车辆行驶时进行gps定位，得到定位数据，本示例对此也不作限制；加速度传感器和gps定位模块可以与边缘盒子连接，从而可以和边缘盒子进行数据交互。具体而言，边缘盒子可以实时获取加速度传感器反馈的加速度数据，边缘盒子可以在检测到采集图像信息中包含路面目标时，通过gps定位模块获取定位数据，随后可以基于获取的定位数据和加速度数据，确定路面病害类型或路面标识牌类型对应的地理位置信息和路面平整度信息。
101.步骤250，依据所述地理位置信息、所述路面平整度信息以及所述采集图像信息，确定所述目标道路的路面检测结果。
102.在具体实现中，可以依据地理位置信息、路面平整度信息以及采集图像信息，确定目标道路的路面检测结果，并可以将目标道路的路面检测结果发送给用户，从而提高路面病害和路面标识牌的检测效率，解决了现有技术通过人工检测路面情况所导致的问题。
103.在一个可选实施方式中，本技术实施例可以定时对路面目标检测模型和路面目标跟踪模型进行更新。具体而言，可以通过定时执行更新程序，基于最新获取到的采集图像信息或样本数据集，对路面目标检测模型和路面目标跟踪模型进行模型更新并可以持久化到模型所在的边缘计算设备，确保模型的精确度、泛化能力以及时效性，以确保模型预测的准确率。
104.综上，本技术实施例通过获取目标道路的采集图像信息，通过路面目标检测模型对采集图像信息进行路面目标检测，得到路面病害检测结果和路面标识牌检测结果，随后基于采集图像信息，通过路面目标跟踪模型对路面病害信息和路面标识牌信息进行追踪识别，得到路面病害类型的病害数量和路面标识牌类型的标识牌数量，基于获取的定位数据和加速度数据，确定路面病害类型或路面标识牌类型对应的地理位置信息和路面平整度信息，进而依据地理位置信息、路面平整度信息以及采集图像信息，确定目标道路的路面检测结果，从而提高路面病害和路面标识牌的检测效率，解决了现有技术通过人工检测路面情况所导致的问题。
105.参照图7，示出了本技术一个可选实施例提供的一种道路检测信息的处理方法的步骤流程示意图。具体而言，本技术实施例提供的道路检测信息的处理方法在模型训练阶段，具体可以包括如下步骤：
106.步骤710，从样本数据集中，提取待训练图像数据和所述待训练图像数据对应的验证数据。
107.具体的，本技术实施例可以从样本数据集中提取待训练图像数据和待训练图像数据对应的验证数据。具体而言，可以预先获取样本数据集，将该样本数据集划分为训练集和训练集对应的验证集，随后可以将训练集作为待训练图像数据，将训练集对应的验证集作为待训练图像数据对应的验证数据，后续可以依据待训练图像数据和待训练图像数据对应的验证数据进行模型训练，得到道路检测模型。
108.作为一个示例，参照图8，在模型训练阶段，可以通过车载摄像头采集道路的视频数据，并可以按照预设抽帧方式，使用opencv对视频数据进行抽帧，如抽帧方式可以是每五帧视频帧中抽取一帧视频帧，当然也可以是将所有视频帧均保留，以确保模型预测结果的准确率。随后可以对抽取到的视频帧进行数据清洗和标注。具体而言，可以通过人工数据清洗的方式对抽取到的视频帧进行数据清洗，得到清洗后的视频帧，如可以将抽取到的视频帧中相似度较高的视频帧删除，也可以是将抽取到的视频帧中视频帧内容为车辆等待红绿灯的视频帧删除，本示例对此不做限制。随后可以通过人工标注的方式对清洗后的视频帧进行标注，得到标注后的视频帧，如可以对清洗后的视频帧中包含的道路路面裂缝和道路标识牌等进行标注，本示例对此也不做限制。可以将标注后的数据作为样本数据集，并可以将样本数据集划分为训练集和验证集，将该训练集作为待训练图像数据，以将该验证集作为待训练图像数据对应的验证数据。
109.在一个可选实施中，本技术实施例从样本数据集中，提取待训练图像数据和所述待训练图像数据对应的验证数据之前，具体还可以包括：确定所述采集图像信息对应的路面病害的类别名称和路面标识牌的类别名称；基于所述采集图像信息、所述路面病害的类别名称和所述路面标识牌的类别名称，生成所述样本数据集。具体而言，可以确定采集图像信息对应的路面病害的类别名称和路面标识牌的类别名称，随后可以基于采集图像信息对应的路面病害的类别名称和路面标识牌的类别名称，对采集图像进行样本标注，如可以标注采集图像信息中每一个路面病害对应的路面病害类型和路面标识牌对应的路面标识牌类型，以生成样本数据集。
110.步骤720，依据所述待训练图像数据进行数据增强处理，得到所述待训练图像数据对应的增强图像数据。
111.具体而言，本技术实施例确定待训练图像数据后，可以对待训练图像数据进行增强处理，以得到增强后的待训练图像数据，并可以作为待训练图像数据对应的增强图像数据，如可以是对待训练图像数据进行模糊增强、高斯噪声增强、椒盐噪声增强、对比度增强等，本技术实施例对此不做限制。
112.步骤730，依据所述增强图像数据和所述验证数据进行模型训练，得到所述道路检测模型。
113.具体而言，可以依据增强图像数据和验证数据进行模型训练，并可以在模型训练达到结束条件师，结束模型训练，得到道路检测模型。
114.作为一个示例，参照图8，依据待训练图像数据进行增强处理得到增强图像数据后，可以依据该增强图像数据进行深度神经网络训练，如可以将增强图像输入到yolo v3神经网络中进行模型训练，随后可以通过验证数据验证测试神经网络性能，以在模型训练达到结束条件时，结束模型训练，得到道路检测模型和该道路检测模型对应的训练权重文件。
115.在具体实现中，道路检测模型可以包含路面目标检测模型和路面目标追踪模型，本技术实施例对此不做限制。
116.在一个可选实施例中，本技术实施例在验证数据包含路面病害验证类型和/或路面标识牌验证类型的情况下，依据所述增强图像数据和所述验证数据进行模型训练，得到所述道路检测模型，具体可以包括：依据所述增强图像数据、所述路面病害验证类型和所述路面标识牌验证类型进行模型训练，得到路面目标检测模型；依据所述路面目标检测模型输出的路面病害检测结果，确定路面目标病害类型，以及依据所述路面目标检测模型输出的路面标识牌检测结果，确定路面目标标识牌类型；依据所述增强图像数据，确定所述路面目标病害类型对应的路面病害验证数量和所述路面目标标识牌类型对应的路面标识牌验证数量；依据所述路面病害验证数量、所述路面标识牌验证数量和所述增强图像数据进行模型训练，得到路面目标追踪模型。
117.本技术实施例在训练好道路检测模型后，可以通过道路检测模型对采集图像信息进行路面检测识别，得到目标道路对应的路面预测结果，该路面预测结果可以包含路面病害类型、路面标识牌类型、路面病害类型对应的病害数量以及路面标识牌类型对应的标识牌数量，随后可以基于获取的定位数据和加速度数据，确定路面病害类型或路面标识牌类型对应的地理位置信息和路面平整度信息，进而可以依据地理位置信息、路面平整度信息以及采集图像信息，确定目标道路的路面检测结果，从而提高路面病害和路面标识牌的检
测效率，解决了现有技术通过人工检测路面情况所导致的问题。
118.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术实施例并不受所描述的动作顺序的限制，因为依据本技术实施例，某些步骤可以采用其他顺序或者同时进行。
119.如图9所示，本技术实施例还提供了一种道路检测信息的处理装置900，包括：
120.采集图像信息获取模块910，用于获取目标道路的采集图像信息；
121.路面预测结果确定模块920，用于依据所述采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到所述目标道路对应的路面预测结果，所述路面预测结果包含路面病害类型、路面标识牌类型、所述路面病害类型对应的病害数量以及所述路面标识牌类型对应的标识牌数量；
122.信息获取模块930，用于基于获取的定位数据和加速度数据，获取所述路面病害类型或所述路面标识牌类型对应的地理位置信息和路面平整度信息；
123.路面检测结果确定模块940，用于依据所述地理位置信息、所述路面平整度信息以及所述采集图像信息，确定所述目标道路的路面检测结果。
124.可选的，所述采集图像信息获取模块，包括：
125.道路视频确定子模块，用于通过摄像头对目标道路进行录制，得到道路视频信息；
126.图像帧抽取子模块，用于从所述道路视频信息抽取图像帧，并将抽取到的图像帧确定为所述采集图像信息。
127.可选的，所述道路检测模型包含路面目标检测模型和路面目标追踪模型，所述路面预测结果确定模块，包括：
128.路面目标检测结果确定子模块，用于通过所述路面目标检测模型对采集图像信息进行路面目标检测，得到路面病害检测结果和路面标识牌检测结果，所述路面病害识别结果包含路面病害信息和所述路面病害信息对应的路面病害类型，所述路面标识牌检测结果包含路面标识牌信息和所述路面标识牌信息对应的路面危害类型；
129.数量确定子模块，用于基于所述采集图像信息，通过所述路面目标跟踪模型对所述路面病害信息和所述路面标识牌信息进行追踪识别，得到所述路面病害类型的病害数量和所述路面标识牌类型的标识牌数量。
130.可选的，所述路面目标检测结果确定子模块，包括：
131.输入单元，用于将所述采集图像信息输入所述路面目标检测模型；
132.路面目标识别结果确定单元，用于通过所述路面目标检测模型对所述采集图像信息中的路面目标进行检测识别，得到路面目标识别结果；
133.路面病害确定单元，用于在所述路面目标识别结果中的病害置信度符合预设病害置信度条件时，将所述路面目标识别结果中的路面目标信息确定为所述路面病害信息，并确定所述路面病害信息对应的路面病害类型；
134.路面标识牌确定单元，用于在路面目标识别结果中的标识牌置信度符合预设标识牌置信度条件时，将所述路面目标识别结果中的路面目标信息确定为所述路面标识牌信息，并确定所述路面标识牌信息对应的路面病害类型。
135.可选的，所述道路检测信息的处理装置，还包括：
136.提取模块，用于从样本数据集中，提取待训练图像数据和所述待训练图像数据对
应的验证数据；
137.增强图像数据确定模块，用于依据所述待训练图像数据进行数据增强处理，得到所述待训练图像数据对应的增强图像数据；
138.模型训练模块，用于依据所述增强图像数据和所述验证数据进行模型训练，得到所述道路检测模型。
139.可选的，所述验证数据包含路面病害验证类型和/或路面标识牌验证类型，所述模型训练模块，包括：
140.路面目标检测模型训练子模块，用于依据所述增强图像数据、所述路面病害验证类型和所述路面标识牌验证类型进行模型训练，得到路面目标检测模型；
141.路面目标类型确定子模块，用于依据所述路面目标检测模型输出的路面病害检测结果，确定路面目标病害类型，以及依据所述路面目标检测模型输出的路面标识牌检测结果，确定路面目标标识牌类型；
142.验证数量确定子模块，用于依据所述增强图像数据，确定所述路面目标病害类型对应的路面病害验证数量和所述路面目标标识牌类型对应的路面标识牌验证数量；
143.路面目标追踪模型训练子模块，用于依据所述路面病害验证数量、所述路面标识牌验证数量和所述增强图像数据进行模型训练，得到路面目标追踪模型。
144.可选的，所述道路检测信息的处理装置，还包括：
145.类别名称确定模块，用于确定所述采集图像信息对应的路面病害的类别名称和路面标识牌的类别名称；
146.样本数据集生成模块，用于基于所述采集图像信息和所述路面病害类型数据，生成所述样本数据集。
147.需要说明的是，本技术实施例提供的道路检测信息的处理装置可执行本技术任意实施例所提供的道路检测信息的处理方法，具备执行道路检测信息的处理方法相应的功能和有益效果。
148.在具体实现中，上述道路检测信息的处理装置可以集成在设备中，使得该设备可以依据获取到的目标道路的采集图像信息，通过道路检测模型进行路面检测识别，得到路面预测结果，进而基于获取的定位数据和加速度数据，确定路面病害类型或路面标识牌类型对应的地理位置信息和路面平整度信息，依据地理位置信息、路面平整度信息以及采集图像信息，确定所述目标道路的路面检测结果，以作为道路检测信息的处理设备，实现对目标道路进行的路面检测。该道路检测信息的处理设备可以是由两个或多个物理实体构成，也可以是一个物理实体构成，如道路检测信息的处理设备可以是个人计算机(personal computer，pc)、电脑、服务器等，本技术实施例对此不作具体限制。
149.如图10所示，本技术实施例提供提供了一种道路检测信息的处理设备，包括处理器111、通信接口112、存储器113和通信总线114，其中，处理器111，通信接口112，存储器113通过通信总线114完成相互间的通信；存储器113，用于存放计算机程序；处理器111，用于执行存储器113上所存放的程序时，实现前述任意一个方法实施例提供的道路检测信息的处理方法的步骤。示例性的，道路检测信息的处理方法的步骤可以包括如下步骤：获取目标道路的采集图像信息；依据所述采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到所述目标道路对应的路面预测结果，所述路面预测结果包含路面病害类
型、路面标识牌类型、所述路面病害类型对应的病害数量以及所述路面标识牌类型对应的标识牌数量；基于获取的定位数据和加速度数据，确定所述路面病害类型或所述路面标识牌类型对应的地理位置信息和路面平整度信息；依据所述地理位置信息、所述路面平整度信息以及所述采集图像信息，确定所述目标道路的路面检测结果。
150.本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的道路检测信息的处理方法的步骤。
151.需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
152.以上所述仅是本技术的具体实施方式，使本领域技术人员能够理解或实现本技术。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
技术特征：1.一种道路检测信息的处理方法，其特征在于，包括：获取目标道路的采集图像信息；依据所述采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到所述目标道路对应的路面预测结果，所述路面预测结果包含路面病害类型、路面标识牌类型、所述路面病害类型对应的病害数量以及所述路面标识牌类型对应的标识牌数量；基于获取的定位数据和加速度数据，确定所述路面病害类型或所述路面标识牌类型对应的地理位置信息和路面平整度信息；依据所述地理位置信息、所述路面平整度信息以及所述采集图像信息，确定所述目标道路的路面检测结果。2.根据权利要求1所述的方法，其特征在于，所述获取目标道路的采集图像信息，包括：通过摄像头对目标道路进行录制，得到道路视频信息；从所述道路视频信息抽取图像帧，并将抽取到的图像帧确定为所述采集图像信息。3.根据权利要求2所述的方法，其特征在于，所述道路检测模型包含路面目标检测模型和路面目标追踪模型，所述依据所述采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到所述目标道路对应的路面预测结果，包括：通过所述路面目标检测模型对采集图像信息进行路面目标检测，得到路面病害检测结果和路面标识牌检测结果，所述路面病害识别结果包含路面病害信息和所述路面病害信息对应的路面病害类型，所述路面标识牌检测结果包含路面标识牌信息和所述路面标识牌信息对应的路面危害类型；基于所述采集图像信息，通过所述路面目标跟踪模型对所述路面病害信息和所述路面标识牌信息进行追踪识别，得到所述路面病害类型的病害数量和所述路面标识牌类型的标识牌数量。4.根据权利要求3所述的方法，其特征在于，所述通过所述路面目标检测模型对采集图像信息进行路面目标检测，得到路面病害检测结果和路面标识牌检测结果，包括：将所述采集图像信息输入所述路面目标检测模型；通过所述路面目标检测模型对所述采集图像信息中的路面目标进行检测识别，得到路面目标识别结果；若所述路面目标识别结果中的病害置信度符合预设病害置信度条件，则将所述路面目标识别结果中的路面目标信息确定为所述路面病害信息，并确定所述路面病害信息对应的路面病害类型；若所述路面目标识别结果中的标识牌置信度符合预设标识牌置信度条件，则将所述路面目标识别结果中的路面目标信息确定为所述路面标识牌信息，并确定所述路面标识牌信息对应的路面病害类型。5.根据权利要求1至4任一所述的方法，其特征在于，所述通过预先训练好的道路检测模型进行路面检测识别处理之前，还包括：从样本数据集中，提取待训练图像数据和所述待训练图像数据对应的验证数据；依据所述待训练图像数据进行数据增强处理，得到所述待训练图像数据对应的增强图像数据；依据所述增强图像数据和所述验证数据进行模型训练，得到所述道路检测模型。
6.根据权利要求5所述的方法，其特征在于，所述验证数据包含路面病害验证类型和/或路面标识牌验证类型，所述依据所述增强图像数据和所述验证数据进行模型训练，得到所述道路检测模型，包括：依据所述增强图像数据、所述路面病害验证类型和所述路面标识牌验证类型进行模型训练，得到路面目标检测模型；依据所述路面目标检测模型输出的路面病害检测结果，确定路面目标病害类型，以及依据所述路面目标检测模型输出的路面标识牌检测结果，确定路面目标标识牌类型；依据所述增强图像数据，确定所述路面目标病害类型对应的路面病害验证数量和所述路面目标标识牌类型对应的路面标识牌验证数量；依据所述路面病害验证数量、所述路面标识牌验证数量和所述增强图像数据进行模型训练，得到路面目标追踪模型。7.根据权利要求5所述的方法，其特征在于，所述从样本数据集中，提取待训练图像数据和所述待训练图像数据对应的验证数据之前，还包括：确定所述采集图像信息对应的路面病害的类别名称和路面标识牌的类别名称；基于所述采集图像信息、所述路面病害的类别名称和所述路面标识牌的类别名称，生成所述样本数据集。8.一种道路检测信息的处理装置，其特征在于，包括：采集图像信息获取模块，用于获取目标道路的采集图像信息；路面预测结果确定模块，用于依据所述采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到所述目标道路对应的路面预测结果，所述路面预测结果包含路面病害类型、路面标识牌类型、所述路面病害类型对应的病害数量以及所述路面标识牌类型对应的标识牌数量；信息获取模块，用于基于获取的定位数据和加速度数据，获取所述路面病害类型或所述路面标识牌类型对应的地理位置信息和路面平整度信息；路面检测结果确定模块，用于依据所述地理位置信息、所述路面平整度信息以及所述采集图像信息，确定所述目标道路的路面检测结果。9.一种道路检测信息的处理设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一项所述的道路检测信息的处理方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的道路检测信息的处理方法的步骤。
技术总结本申请涉及一种道路检测信息的处理方法、装置、设备及存储介质，涉及人工智能技术领域，该方法包括：获取目标道路的采集图像信息，依据采集图像信息，通过预先训练好的道路检测模型进行路面检测识别处理，得到目标道路对应的路面预测结果，路面预测结果包含路面病害类型、路面标识牌类型、路面病害类型对应的病害数量以及路面标识牌类型对应的标识牌数量，基于获取的定位数据和加速度数据，确定路面病害类型或路面标识牌类型对应的地理位置信息和路面平整度信息，依据地理位置信息、路面平整度信息以及采集图像信息，确定目标道路的路面检测结果,从而提高路面病害和路面标识牌的检测效率，解决了现有技术通过人工检测路面情况所导致的问题。所导致的问题。所导致的问题。
技术研发人员：李永杰 许亮 曹玉社 李峰
受保护的技术使用者：中科海微（北京）科技有限公司
技术研发日：2022.07.25
技术公布日：2022/11/1
