1.一种沥青路面水损害检测方法，其特征在于，按照以下步骤进行：步骤一，通过GPR路面调查，获取水损害图谱数据集：步骤S11，GPR路面调查、数据采集：采用GPR系统对沥青路面进行现场数据采集，现场数据采集过程中，确定路面出现唧浆或泛白的损害区域；

步骤S12，获取损害的初始图谱数据集：将损害区域对应的GPR数据进行预处理后，设定GPR图谱的对比度并按照长度为5～6m截取GPR图谱，构建具有水损害、桥接缝和正常路面的损害的初始图谱数据集，并对各自特征进行标记；

步骤二，图片分辨率调整：

损害的初始图谱数据集定义为ID数据集，将ID数据集直接缩放到224×224，定义为BD数据集；

将损害的初始图谱数据集的分辨率直接缩放到224×224，获得BD数据集；

步骤三，将数据集输入到识别模型：

将步骤二获得的BD数据集输入到识别模型，经过识别模型运算后，执行步骤四；

所述的识别模型的图片输入分辨率大小为224×224，图片输出分辨率大小为224×

224；

所述的识别模型为混合式深度学习模型，所述的混合式深度学习模型由两部分构成，特征提取采用ResNet50，目标检测采用YOLO V2框架；

步骤四，输出水损害结果：

对步骤三的识别模型的输出结果进行后处理，所述的后处理步骤为：步骤S41，判断输出结果中的图谱的候选框BBoxes数量，如果候选框BBoxes数量>1，则进行步骤S42，否则直接输出结果；

步骤S42：判断候选框BBoxes是否有重叠，若有重叠，则进行步骤S43，否则直接输出结果；

步骤S43：判断重叠候选框对应的标签名是否相同，若相同，则合并的候选框对应的标签名不变；若不同，则表明同时含有水损害和桥接缝两类标签名，标签名输出为桥接缝Joint；

步骤S44：合并候选框，将相交的候选框x和y方向取最小值，w和h取最大值，合并的候选框坐标为[xmin，ymin，wmax，hmax]；

步骤S45：输出结果，在识别模型的输出结果中，将输出图片分辨率调整至等于所述的损害的初始图谱数据集的图片分辨率，输出结果为带目标的标签名及目标对应的候选框位置BBoxes(x，y，w，h)的图谱。

2.如权利要求1所述的沥青路面水损害检测方法，其特征在于，步骤S11中，所述的现场数据采集过程中，采样参数要求采样间距<15cm，天线频率>1.6GHz，采样频率为天线主频的

10～20倍。

3.如权利要求1所述的沥青路面水损害检测方法，其特征在于，步骤S12中，所述的预处理过程为采用直流漂移校正算法、地面校正算法、背景扣除算法、带通滤波算法和进行滑动平均算法进行预处理。

4.如权利要求1所述的沥青路面水损害检测方法，其特征在于，步骤S12中，设定GPR图谱的对比度为1.2～1.6。

5.如权利要求1所述的沥青路面水损害检测方法，其特征在于，所述的损害的初始图谱数据集的图片分辨率为1090×300。