1.一种改进ResNet‑50网络结构的路面裂缝检测方法，其特征在于，包括下列步骤：采集路面图像集；

筛选含有裂缝的路面图像构建路面裂缝数据集；

使用所述路面裂缝数据集对改进ResNet‑50网络模型进行训练；

所述改进ResNet‑50网络模型包括下列步骤：

将ResNet‑50网络去除平均池化层和全连接层；

将混合扩张卷积模块融入网络后三层中，每层设置不同的空洞率；

将空间‑通道注意力机制模块融入第二层与第三层、第三层与第四层、第四层与第五层之间；

将每层提取的特征进行侧边输出，使用1×1的卷积进行处理；

将处理后的特征使用多尺度特征融合模块进行融合；

所述多尺度特征融合模块首先对ResNet‑50网络每层输出的特征使用1×1的卷积进行处理，然后将得到的特征图上采样到与输入图像相同的大小，并进行融合，最后将融合的特征使用1×1的卷积进行处理得到最终预测结果；

测试评估训练结果，获得裂缝检测网络模型；

使用所述裂缝检测网络模型进行裂缝分类和严重程度评估。

2.如权利要求1所述的改进ResNet‑50网络结构的路面裂缝检测方法，其特征在于，在筛选含有裂缝的路面图像构建路面裂缝数据集的过程中，筛选路面图像集中含有裂缝的路面图像，将路面裂缝图像裁剪成小分辨率图像块，以多边形的形式标注路面裂缝图像并得到路面真实情况数据，构建训练集和测试集，并对训练集和测试集进行标注。

3.如权利要求1所述的改进ResNet‑50网络结构的路面裂缝检测方法，其特征在于，所述混合扩张卷积模块的空洞率排列方式采用锯齿波形结构即将连续的卷积层分为一组，每组采用不同的空洞率，空洞率按照由小到大的方式递增，下一组采用相同的模式。

4.如权利要求1所述的改进ResNet‑50网络结构的路面裂缝检测方法，其特征在于，所述空间‑通道注意力机制模块由空间注意力机制和通道注意力机制相加得来，所述空间注意力机制首先从一个通道的维度出发对输入大小为H×W×C的特征F求平均池化和最大池化，得到两个H×W×1的特征，其次将这两个特征合并得到一个通道数为2的特征，最后使用卷积核大小为7×7的卷积对特征进行处理后得到权重系数Ms，并将Ms和特征F相乘得到新的特征F1，所述通道注意力机制从一个空间的角度出发对输入大小为H×W×C的特征F求全局最大池化和平均池化，得到两个1×1×C的特征，其次将得到的特征使用两层的神经网络进行处理，最后使用激活函数对这两个特征进行处理后得到权重系数Mc，并将Mc与特征F相乘得到新的特征F1。

5.如权利要求1所述的改进ResNet‑50网络结构的路面裂缝检测方法，其特征在于，在测试评估训练结果，获得裂缝检测网络模型的过程中，使用路面裂缝数据集中的测试集对训练后的网络模型进行测试，根据测试结果计算准确率、召回率、F‑score来评价裂缝检测的准确性；

若最终预测结果以及评估指标值满足要求，保存输出裂缝检测网络模型；

否则，修改网络模型的超参数重新训练。