1.一种改进FPHBN网络结构的路面裂缝检测方法，其特征在于，包括：采集路面图像集；

筛选所述路面图像集中含有裂缝的图像，将其裁剪成256×256的固定尺寸后进行标注得到GroundTrue数据，用以构建训练集和测试集；

调整FPHBN模型及参数，用DeepCrack数据集对改进后的FPHBN模型进行训练；

将采集到的路面裂缝图像放入训练后的所述FPHBN模型中进行测试，若测试结果不合格则调整所述FPHBN模型结构和参数重新训练，直至测试合格；

利用测试合格的所述FPHBN模型对所述裂缝图像进行分类和损害程度的评估。

2.如权利要求1所述的一种改进FPHBN网络结构的路面裂缝检测方法，其特征在于，所述调整FPHBN模型及参数，并对改进后的FPHBN模型进行训练包括：将大小一致的所述裂缝图像送入改进后的FPHBN模型中；

输入数据经过改进的所述FPHBN模型前向传播得到输出值；

用改进的损失函数计算所述输出值与目标值之间的误差值；

当所述误差值大于期望值时，将所述误差值传回网络中使用随机梯度下降算法以当前的所述误差值对模型重新求导，反向传播更新模型权重；

直到迭代次数达到指定次数或所述误差值等于或小于期望值时结束训练。

3.如权利要求2所述的一种改进FPHBN网络结构的路面裂缝检测方法，其特征在于，所述输入数据经过改进的所述FPHBN模型前向传播得到输出值包括：使用基于改进的HED骨干网络来提取多层次多尺度的卷积特征图；

整合空间注意力机制到特征金字塔模块中，将深层语义特征逐层地引入浅层网络中，在每一层特征图与上层特征图融合后送入空间注意力模块来减少图像噪声影响；

采用侧边深度监督网络对每一个侧边输出都单独预测，并用改进的交叉熵损失函数对每一个侧边单独监督；

最后将5个预测结果进行融合拼接得到最终的卷积特征预测输出结果。

4.如权利要求3所述的一种改进FPHBN网络结构的路面裂缝检测方法，其特征在于，所述改进的HED骨干网络是在HED的基础上引入多尺度空洞卷积来提取有效的上下文信息。

5.如权利要求3所述的一种改进FPHBN网络结构的路面裂缝检测方法，其特征在于，所述改进的特征融合模块是在原始的特征金字塔模块的基础上添加空间注意力机制。

6.如权利要求3所述的一种改进FPHBN网络结构的路面裂缝检测方法，其特征在于，所述改进的交叉熵损失函数是在原有的交叉熵损失函数的基础上加上一个平衡简单样本和困难样本的权重因子。