1.一种面向视觉检测的异常交通标志标牌数据集半自动生成方法，其特征在于：包括如下步骤：

　　2.根据权利要求1所述的面向视觉检测的异常交通标志标牌数据集半自动生成方法，其特征在于：步骤4中，标志磨损的生成方法，包括如下步骤：

　　球速体育

　　3.根据权利要求2所述的面向视觉检测的异常交通标志标牌数据集半自动生成方法，其特征在于：步骤4中，标志磨损包括标志轻度磨损和标志重度磨损；

　　4.根据权利要求1所述的面向视觉检测的异常交通标志标牌数据集半自动生成方法，其特征在于：步骤4中，标志破损的生成方法，包括如下步骤：

　　5.根据权利要求4所述的面向视觉检测的异常交通标志标牌数据集半自动生成方法，其特征在于：标志破损包括标志轻度破损和标志重度破损；

　　6.根据权利要求4所述的面向视觉检测的异常交通标志标牌数据集半自动生成方法，其特征在于：步骤4中，图像分割模型为sam；图像修复模型为inpaint anything。

　　7.根据权利要求1所述的面向视觉检测的异常交通标志标牌数据集半自动生成方法，其特征在于：步骤4中，标志遮挡的生成方法，包括如下步骤：

　　8.根据权利要求7所述的面向视觉检测的异常交通标志标牌数据集半自动生成方法，其特征在于：步骤4c-2-4中，树叶遮挡包括树叶轻度遮挡和树叶重度遮挡；当遮挡类型为树叶轻度遮挡时，interval-ro为[0.1，0.25)；当遮挡类型为树叶重度遮挡时，interval-ro为[0.25，0.6]；步骤4c-3-2中，树木遮挡包括树木轻度遮挡和树木重度遮挡；当遮挡类型为树木轻度遮挡时，xin的取值范围为[0.3，0.45)，yin的取值范围为[0.1，0.5)；当遮挡类型为树木重度遮挡时，xin的取值范围为[0.45，0.9]，yin的取值范围为[0.5，0.9]。

　　9.根据权利要求7所述的面向视觉检测的异常交通标志标牌数据集半自动生成方法，其特征在于：步骤4c-3-2中，xout的取值范围为[0.5，1.0]，yout的取值范围为[2.8，4.2]。

　　10.根据权利要求1所述的面向视觉检测的异常交通标志标牌数据集半自动生成方法，其特征在于：步骤4中，倾斜标牌的生成方法，包括如下步骤：

　　本发明公开了面向视觉检测的异常交通标志标牌数据集半自动生成方法，包括步骤1、选取非异常交通标志标牌目标检测数据集；步骤2、收集遮挡物图片；步骤3、分割标注立柱交通标牌图像；步骤4、生成异常交通标志标牌数据集，包括磨损标志、破损标志、遮挡标志和倾斜标牌；其中：倾斜标牌，是将单根立柱交通标牌分割图像，进行各种随机角度的旋转及修复获得；磨损标志志、破损标志和遮挡标志均是将交通标志标牌按照设定比例进行随机生成。本发明基于已有非异常的交通标志标牌目标检测数据集，生成异常交通标志标牌数据集，以此训练视觉目标检测模型，部署在轻量化的边端设备上，用于道路智慧巡检，降低巡检的人力成本。