本发明涉及道路灰尘，特别涉及一种道路灰尘检测方法及相关设备。
背景技术：
1、随着城市化进程的加快，城市道路上的灰尘污染问题日益严重。道路灰尘不仅影响城市的空气质量，还可能对车辆的行驶安全和道路的寿命产生不利影响。因此，及时、准确地检测和监控道路灰尘成为了城市管理的重要任务。目前，常见的道路灰尘检测方法主要依赖人工巡查和采样分析，这些方法不仅耗时费力，且检测的及时性和覆盖率较低，难以满足大规模城市道路灰尘监控的需求。此外，现有的自动化检测手段往往存在识别精度低、分类维度单一、难以综合分析灰尘类型和分布等问题，无法为城市道路清洁和维护提供全面、有效的数据支持。
技术实现思路
1、本发明的主要目的为提供一种道路灰尘检测方法及相关设备，解决了传统方法自动化检测手段往往存在识别精度低、分类维度单一、难以综合分析灰尘类型和分布的技术问题。
2、为实现上述目的，本发明提供一种道路灰尘检测方法，所述道路灰尘检测方法应用于检测车，所述检测车上安装有摄像头，所述方法包括以下步骤：
3、当所述检测车在待检测道路上行驶时，通过设置在检测车上的摄像头进行所述待检测道路的图像采集，得到道路图像；
4、通过预设的灰尘识别算法对所述道路图像进行灰尘识别，得到道路识别灰尘图像；
5、对所述道路识别灰尘图像进行多维度分类，得到所述道路识别灰尘图像中道路灰尘的分类结果；其中，所述分类结果包括道路灰尘类型、道路灰尘浓度级别、道路灰尘的分布区域及道路灰尘的主要成分；
6、基于所述灰尘类型、灰尘浓度级别、灰尘的分布区域及灰尘的主要成分构建道路灰尘矩阵，并基于所述道路灰尘矩阵判断道路灰尘是否超过预设的正常范围，若超过，则对道路灰尘矩阵内的向量进行标注，得到标注异常向量；其中，道路灰尘矩阵为方阵，所述方阵的行代表是不同的检测路段，所述方阵的列代表是道路灰尘检测标签，所述道路灰尘检测标签包括灰尘类型标签、浓度级别标签、分布区域标签、主要成分标签；
7、基于所述标注异常向量及所述道路灰尘矩阵制定道路灰尘管理策略。
8、进一步的，通过设置在检测车上的摄像头进行所述待检测道路的图像采集，得到道路图像，包括：
9、获取待检测道路的环境光线，基于所述环境光线对设置在检测车上的摄像头进行校准，得到校准后摄像头；
10、在不同视角下，基于所述校准后摄像头对所述待检测道路进行图像采集，得到不同视角采集图像；
11、对各个不同视角采集图像进行无缝拼接，得到无缝拼接图像；
12、对所述无缝拼接图像进行标准化处理，得到道路图像。
13、进一步的，通过预设的灰尘识别算法，通过预设的灰尘识别算法对所述道路图像进行灰尘识别，得到道路识别灰尘图像，包括：
14、将所述道路图像输入预设的灰尘识别算法内进行灰尘识别；其中，所述灰尘识别算法包括c3ghost模块、gs bottleneck模块、gsconv模块及注意力机制层、res2netblock模块及yolov5s模块，所述c3ghost模块替换所述yolov5s模块内的c3模块，所述注意力机制层包括transformer模块及级联组注意力机制模块，所述级联组注意力机制模块嵌入在transformer模块的编码层中，所述res2netblock模块替代了yolov5s原有的残差块bottleneck；
15、通过所述c3ghost模块对所述道路图像进行灰尘特征提取，得到灰尘特征；
16、通过所述gs bottleneck模块对灰尘特征进行特征压缩和通道重组，以减少得到灰尘特征冗余，得到优化特征；
17、通过所述gsconv模块对优化特征进行细节特征捕捉，得到细节捕捉特征；
18、通过所述注意力机制层对细节捕捉特征进行注意力关注，得到关注细节捕捉特征；
19、通过所述res2netblock模块对关注细节捕捉特征进行多尺度特征融合，得到融合特征；
20、通过所述yolov5s模块对融合特征进行识别，以确定所述道路图像中的道路识别灰尘图像。
21、进一步的，对所述道路识别灰尘图像进行多维度分类，得到所述道路识别灰尘图像中道路灰尘的分类结果，包括：
22、对所述道路识别灰尘图像进行聚类划分，得到多个初始聚类簇，并对各个所述初始聚类簇进行簇中心计算，得到对应的初始聚类簇的簇中心；
23、定义所述道路识别灰尘图像对应的聚类目标函数，并通过所述聚类目标函数最小化簇内距离的平方和；
24、对各个所述初始聚类簇以及各个初始聚类簇的簇中心进行簇内方差计算，得到每个初始聚类簇的方差;
25、根据每个初始聚类簇的方差，对所述多个初始聚类簇以及每个初始聚类簇的簇中心进行质心轨迹平滑处理，得到各个目标聚类簇；
26、基于各个所述目标聚类簇得到所述道路识别灰尘图像中道路灰尘的分类结果；其中，所述分类结果包括灰尘类型、灰尘浓度级别、灰尘的分布区域及灰尘的主要成分。
27、进一步的，基于所述灰尘类型、灰尘浓度级别、灰尘的分布区域及灰尘的主要成分构建道路灰尘矩阵，并基于所述道路灰尘矩阵判断道路灰尘是否存在超过预设的正常范围，若存在，则对道路灰尘矩阵内的向量进行标注，得到标注异常向量，包括：
28、分别对所述灰尘类型、灰尘浓度级别、灰尘的分布区域及灰尘的主要成分进行向量转化，对应得到转化向量；其中，所述转化向量包括灰尘类型向量、灰尘浓度级别向量、灰尘的分布区域向量及灰尘的主要成分向量；
29、基于所述转化向量构建道路灰尘矩阵；
30、通过预设的异常识别算法，对所述道路灰尘矩阵内的转化向量进行概率密度分布计算，以识别转化向量的集中趋势与离散程度，对应得到概率密度分布值；
31、将预设的正常范围与所述概率密度分布值进行对比，若所述概率密度分布值超过预设的正常范围内，则对超过所述预设的正常范围的概率密度分布值进行标注，得到标注后的概率密度分布值；
32、将所述标注后的概率密度分布值与所述转化向量进行匹配，得到转化向量中的异常多维度特征向量，将所述异常多维度特征向量作为标注异常向量。
33、进一步的，基于所述标注异常向量及所述道路灰尘矩阵制定道路灰尘管理策略，包括：
34、对所述标注异常向量进行时空分布分析，得到道路灰尘聚集模式；其中，所述道路灰尘聚集模式包括道路灰尘的异常高发区域及预设时间段内的道路灰尘的异常分布规律；其中，所述异常分布规律包括预设时间段内道路灰尘的峰值浓度及预设时间段内的异常频次；
35、获取道路环境参数，通过apriori算法，对所述异常高发区域与所述道路环境参数进行关联规则挖掘，得到潜在关联规则；其中，所述潜在关联规则是异常高发区域与道路环境参数之间的关系；
36、基于贝叶斯网络模型，基于所述异常分布规律对所述潜在关联规则进行因果关系分析，得到所述异常高发区域对应的因果关系；
37、通过层次分析法，基于所述因果关系对道路灰尘制定初步管理策略；
38、基于时间序列预测模型，基于所述道路灰尘矩阵对道路灰尘进行实时监控和趋势预测，得到道路灰尘预测趋势结果；
39、基于所述道路灰尘预测趋势结果对初步管理策略进行动态调整，得到动态调整方案；
40、通过所述动态调整方案对所述异常高发区域进行实施管理措施，得到实施管理措施后的道路灰尘数据；
41、基于所述实施管理措施后的道路灰尘数据对动态调整方案进行效果评估，得到有效评估结果；
42、通过所述有效评估结果对动态调整方案进行反馈和优化，得到道路灰尘管理策略。
43、进一步的，获取道路环境参数，通过apriori算法，对所述异常高发区域与所述道路环境参数进行关联规则挖掘，得到潜在关联规则，包括：
44、通过多源传感器，对道路灰尘对应的道路环境进行数据采集，得到采集数据；其中，所述采集数据包括温度、湿度、风速、交通流量、工业排放量；
45、通过预设的遥感技术，对道路灰尘进行实时监测，得到道路灰尘的时空分布数据集；
46、基于所述异常高发区域，对所述道路环境参数进行环境变量定义，得到定义变量；其中，所述定义变量包括温度变量、湿度变量、风速变量、交通流量变量、工业排放量变量；
47、对所述定义变量进行频繁项集挖掘，得到满足最小支持度的频繁项集；所述频繁项集是任一定义变量之间的排列组合；
48、通过apriori算法，基于所述频繁项集与所述异常高发区域进行关联规则挖掘，得到初步潜在的关联规则；其中，所述初步潜在的关联规则具有多个；
49、对所述初步潜在的关联规则进行置信度和提升度计算，得到置信度值和提升度值；
50、基于所述置信度值和提升度值对所述初步潜在的关联规则进行筛选，得到潜在关联规则。
51、本发明还提供了一种道路灰尘检测装置，所述道路灰尘检测方法应用于检测车，所述检测车上安装有摄像头，包括：
52、采集模块，用于当所述检测车在待检测道路上行驶时，通过设置在检测车上的摄像头进行所述待检测道路的图像采集，得到道路图像；
53、识别模块，用于通过预设的灰尘识别算法对所述道路图像进行灰尘识别，得到道路识别灰尘图像；
54、分类模块，用于对所述道路识别灰尘图像进行多维度分类，得到所述道路识别灰尘图像中道路灰尘的分类结果；其中，所述分类结果包括道路灰尘类型、道路灰尘浓度级别、道路灰尘的分布区域及道路灰尘的主要成分；
55、标注模块，用于基于所述灰尘类型、灰尘浓度级别、灰尘的分布区域及灰尘的主要成分构建道路灰尘矩阵，并基于所述道路灰尘矩阵判断道路灰尘是否超过预设的正常范围，若超过，则对道路灰尘矩阵内的向量进行标注，得到标注异常向量；其中，道路灰尘矩阵为方阵，所述方阵的行代表是不同的检测路段，所述方阵的列代表是道路灰尘检测标签，所述道路灰尘检测标签包括灰尘类型标签、浓度级别标签、分布区域标签、主要成分标签；
56、策略模块，用于基于所述标注异常向量及所述道路灰尘矩阵制定道路灰尘管理策略。
57、本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
58、本发明还提供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上述任一项所述的方法的步骤。
59、本发明提供的道路灰尘检测方法，包括以下步骤：通过摄像头采集道路图像；通过灰尘识别算法对道路图像进行灰尘识别，得到道路识别灰尘图像；对道路识别灰尘图像进行多维度分类，得到道路识别灰尘图像中道路灰尘的分类结果；基于所述灰尘类型、灰尘浓度级别、灰尘的分布区域及灰尘的主要成分构建道路灰尘矩阵，并基于道路灰尘矩阵判断道路灰尘是否超过预设的正常范围，若超过，则对道路灰尘矩阵内的向量进行标注，得到标注异常向量；基于标注异常向量及所述道路灰尘矩阵制定道路灰尘管理策略，通过上述的技术手段，解决了传统方法自动化检测手段往往存在识别精度低、分类维度单一、难以综合分析灰尘类型和分布的技术问题；提高了检测的效率和覆盖率，能够为城市管理部门提供更为全面、准确的道路灰尘数据支持，进而优化城市道路清洁与维护策略，减少灰尘对环境和交通的影响。
1.一种道路灰尘检测方法，其特征在于，所述道路灰尘检测方法应用于检测车，所述检测车上安装有摄像头，所述方法包括以下步骤：
2.根据权利要求1所述的道路灰尘检测方法，其特征在于，通过设置在检测车上的摄像头进行所述待检测道路的图像采集，得到道路图像，包括：
3.根据权利要求1所述的道路灰尘检测方法，其特征在于，通过预设的灰尘识别算法，通过预设的灰尘识别算法对所述道路图像进行灰尘识别，得到道路识别灰尘图像，包括：
4.根据权利要求1所述的道路灰尘检测方法，其特征在于，对所述道路识别灰尘图像进行多维度分类，得到所述道路识别灰尘图像中道路灰尘的分类结果，包括：
5.根据权利要求1所述的道路灰尘检测方法，其特征在于，基于所述灰尘类型、灰尘浓度级别、灰尘的分布区域及灰尘的主要成分构建道路灰尘矩阵，并基于所述道路灰尘矩阵判断道路灰尘是否存在超过预设的正常范围，若存在，则对道路灰尘矩阵内的向量进行标注，得到标注异常向量，包括：
6.根据权利要求1所述的道路灰尘检测方法，其特征在于，基于所述标注异常向量及所述道路灰尘矩阵制定道路灰尘管理策略，包括：
7.根据权利要求6所述的道路灰尘检测方法，其特征在于，获取道路环境参数，通过apriori算法，对所述异常高发区域与所述道路环境参数进行关联规则挖掘，得到潜在关联规则，包括：
8.一种道路灰尘检测装置，其特征在于，所述道路灰尘检测方法应用于检测车，所述检测车上安装有摄像头，包括：
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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权利要求1至7中任一项所述的方法的步骤。
