[發明專利]基于圖像識別檢測結構應力的方法、裝置、設備及介質

在審

• 申請號: 201910099745.0
• 申請日: 2019-01-31
• 公開（公告）號: CN109858551A
• 公開（公告）日: 2019-06-07
• 發明（設計）人: 王維;鄧露;史鵬;何維;褚鴻鵠
• 申請（專利權）人: 湖南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G01L1/24
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

1.一種基于圖像識別檢測結構應力的方法，其特征在于，包括：

獲取待測結構圖像；

將所述待測結構圖像輸入至預先構建的結構應力檢測模型，得到所述待測結構的應力值；

其中，所述結構應力檢測模型為利用訓練樣本集訓練神經網絡模型所得，所述訓練樣本集包括多張處于不同應力狀態、且與所述待測結構材料相同的試驗構件的樣本圖像，每個樣本圖像預先標注相應應力狀態下的應力值。

2.根據權利要求1所述的基于圖像識別檢測結構應力的方法，其特征在于，在所述將所述待測結構圖像輸入至預先構建的結構應力檢測模型之前，還包括：

獲取模型驗證數據集，所述模型驗證數據集包括多張驗證樣本圖像，各驗證樣本圖像為已知實際應力值、且與所述待測結構材料相同的試驗構件的圖像；

將各驗證樣本圖像輸入至所述結構應力檢測模型中，得到各驗證樣本圖像的預測應力值；

基于各驗證樣本圖像的預測應力值和實際應力值、驗證樣本圖像總數量，計算所述結構應力檢測模型的準確率；

判斷所述結構應力檢測模型的準確率是否不小于預設閾值；

若是，則將所述結構應力檢測模型用于后續計算所述待測結構的應力值；若否，則增加所述訓練樣本集中的樣本圖像，并重新訓練所述結構應力檢測模型直至準確率不小于所述閾值。

3.根據權利要求2所述的基于圖像識別檢測結構應力的方法，其特征在于，所述基于各驗證樣本圖像的預測應力值和實際應力值、驗證樣本圖像總數量，計算所述結構應力檢測模型的準確率包括：

統計預測應力值和實際應力值的差值大于預設偏離值的驗證樣本圖像的不合格個數；

計算所述不合格個數與所述總數量的比率，以作為所述結構應力檢測模型的準確率。

4.根據權利要求1至3任意一項所述的基于圖像識別檢測結構應力的方法，其特征在于，所述結構應力檢測模型為基于遷移學習方法，利用所述訓練樣本集訓練Faster-RCNN模型所得。

5.根據權利要求4所述的基于圖像識別檢測結構應力的方法，其特征在于，所述訓練樣本集中的各樣本圖像轉換為voc2007格式數據集，以作為各樣本圖像的應力狀態圖像特征。

6.一種基于圖像識別檢測結構應力的裝置，其特征在于，包括：

模型預構建模塊，用于利用訓練樣本集訓練神經網絡模型得到結構應力檢測模型，所述訓練樣本集包括多張處于不同應力狀態、且與所述待測結構材料相同的試驗構件的樣本圖像，每個樣本圖像預先標注相應應力狀態下的應力值；

圖像獲取模塊，用于獲取待測結構圖像；

應力值計算模塊，用于將所述待測結構圖像輸入至所述結構應力檢測模型，得到所述待測結構的應力值。

7.根據權利要求6所述的基于圖像識別檢測結構應力的裝置，其特征在于，還包括模型驗證模塊，所述模型驗證模塊包括：

模型驗證數據集獲取子模塊，用于獲取模型驗證數據集，所述模型驗證數據集包括多張驗證樣本圖像，各驗證樣本圖像為已知實際應力值、且與所述待測結構材料相同的試驗構件的圖像；

預測應力值計算子模塊，用于將各驗證樣本圖像輸入至所述結構應力檢測模型中，得到各驗證樣本圖像的預測應力值；

準確率計算子模塊，用于基于各驗證樣本圖像的預測應力值和實際應力值、驗證樣本圖像總數量，計算所述結構應力檢測模型的準確率；

模型重新訓練子模塊，用于在所述結構應力檢測模型的準確率小于預設閾值，則增加所述訓練樣本集中的樣本圖像，并重新訓練所述結構應力檢測模型直至準確率不小于所述閾值。

8.根據權利要求7所述的基于圖像識別檢測結構應力的裝置，其特征在于，所述準確率計算子模塊為統計預測應力值和實際應力值的差值大于預設偏離值的驗證樣本圖像的不合格個數；計算所述不合格個數與所述總數量的比率，以作為所述結構應力檢測模型的準確率的模塊。