[發(fā)明專利]損傷識別方法及裝置

在審

• 申請?zhí)枺?/td>: 201710018726.1
• 申請日: 2017-01-10
• 公開（公告）號: CN106815835A
• 公開（公告）日: 2017-06-09
• 發(fā)明（設(shè)計(jì)）人: 李永;范春曉;明悅;劉恒鑫;馬冰;張潤清;王瑞琛;吳佳濤
• 申請（專利權(quán)）人: 北京郵電大學(xué);波音（中國）投資有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司11205
• 代理人: 楊文娟,劉芳

1.一種損傷識別方法，其特征在于，包括：

對待識別圖像進(jìn)行預(yù)處理，所述預(yù)處理包括將所述待識別圖像劃分為M個子圖像塊，M為大于等于2的整數(shù)；

將所述M個子圖像塊通過預(yù)設(shè)識別模型進(jìn)行識別，確定所述M個子圖像塊對應(yīng)的損傷類型；所述預(yù)設(shè)識別模型通過卷積層、池化層及全連接層對所述子圖像塊進(jìn)行識別；

輸出所述M個子圖像塊對應(yīng)的損傷類型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述M個子圖像塊通過預(yù)設(shè)識別模型進(jìn)行識別之前，還包括：

預(yù)先獲取所述預(yù)設(shè)識別模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述預(yù)先獲取所述預(yù)設(shè)識別模型，包括：

將已標(biāo)記樣本圖像塊通過初始識別模型進(jìn)行識別，確定所述已標(biāo)記的樣本圖像塊對應(yīng)的損傷類型；所述初始識別模型通過卷積層、池化層及全連接層對所述已標(biāo)記樣本圖像塊進(jìn)行識別；其中，所述已標(biāo)記樣本圖像塊的個數(shù)等于預(yù)設(shè)批尺寸；

根據(jù)已標(biāo)記樣本圖像塊的標(biāo)記損傷類型與所述已標(biāo)記樣本圖像塊的損傷類型獲取所述預(yù)設(shè)識別模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將已標(biāo)記樣本圖像塊通過初始識別模型進(jìn)行識別，確定所述已標(biāo)記的樣本圖像塊對應(yīng)的損傷類型，包括：

獲取所述已標(biāo)記樣本圖像塊中每一個已標(biāo)記樣本圖像塊對應(yīng)的N種損傷類型的概率值；N為大于等于2的整數(shù)；

根據(jù)所述每一個已標(biāo)記樣本圖像塊對應(yīng)的N種損傷類型的概率值確定所述每一個已標(biāo)記樣本圖像塊對應(yīng)的損傷類型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述每一個已標(biāo)記樣本圖像塊對應(yīng)的N種損傷類型的概率值確定所述每一個已標(biāo)記樣本圖像塊對應(yīng)的損傷類型，包括：

判斷所述每一個已標(biāo)記樣本圖像塊對應(yīng)的N種損傷類型的概率值與預(yù)設(shè)閾值的大小關(guān)系；

將所述概率值中大于所述預(yù)設(shè)閾值的概率值對應(yīng)的損傷類型確定為所述已標(biāo)記樣本圖像塊對應(yīng)的損傷類型。

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)已標(biāo)記樣本圖像塊的標(biāo)記損傷類型與所述已標(biāo)記樣本圖像塊的損傷類型獲取所述預(yù)設(shè)識別模型，包括：

將所述標(biāo)記損傷類型與所述已標(biāo)記樣本圖像塊的損傷類型進(jìn)行比較，其中，所述比較次數(shù)小于等于預(yù)設(shè)迭代次數(shù)；

若所述標(biāo)記損傷類型與所述已標(biāo)記樣本圖像塊的損傷類型的差值收斂，則確定所述初始識別模型為所述預(yù)設(shè)識別模型；

若所述標(biāo)記損傷類型與所述已標(biāo)記樣本圖像塊的損傷類型的差值不收斂，則修改所述初始識別模型，得到所述預(yù)設(shè)識別模型。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述將已標(biāo)記樣本圖像塊通過初始識別模型進(jìn)行識別之前，還包括：

接收輸入的樣本圖像塊及所述樣本圖像塊對應(yīng)的標(biāo)記損傷類型，得到所述已標(biāo)記樣本圖像塊。

8.根據(jù)權(quán)利要求1-7任一項(xiàng)所述的方法，其特征在于，所述將所述M個子圖像塊通過預(yù)設(shè)識別模型進(jìn)行識別，確定所述M個子圖像塊對應(yīng)的損傷類型，包括：

獲取所述M個子圖像塊中每一個子圖像塊對應(yīng)的N種損傷類型的概率值；

根據(jù)所述每一個子圖像塊對應(yīng)的N種損傷類型的概率值確定所述每一個子圖像塊對應(yīng)的損傷類型。

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述根據(jù)所述每一個子圖像塊對應(yīng)的N種損傷類型的概率值確定所述每一個子圖像塊對應(yīng)的損傷類型，包括：

判斷所述每一個子圖像塊對應(yīng)的N種損傷類型的概率值與預(yù)設(shè)閾值的大小關(guān)系；

將所述概率值中大于所述預(yù)設(shè)閾值的概率值對應(yīng)的損傷類型確定為所述子圖像塊對應(yīng)的損傷類型。

10.一種損傷識別裝置，其特征在于，包括：

處理模塊，用于對待識別圖像進(jìn)行預(yù)處理，所述預(yù)處理包括將所述待識別圖像劃分為M個子圖像塊，M為大于等于2的整數(shù)；

確定模塊，用于將所述M個子圖像塊通過預(yù)設(shè)識別模型進(jìn)行識別，確定所述M個子圖像塊對應(yīng)的損傷類型；所述預(yù)設(shè)識別模型通過卷積層、池化層及全連接層對所述子圖像塊進(jìn)行識別；

輸出模塊，用于輸出所述M個子圖像塊對應(yīng)的損傷類型。

11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，還包括：

獲取模塊，用于預(yù)先獲取所述預(yù)設(shè)識別模型。