[發(fā)明專利]一種基于對抗生成網絡的路面裂縫缺陷檢測方法

有效

• 申請?zhí)枺?/td>: 201910376122.3
• 申請日: 2019-05-07
• 公開（公告）號: CN110120038B
• 公開（公告）日: 2021-02-26
• 發(fā)明（設計）人: 黃斌;張睿;張紅龍
• 申請（專利權）人: 重慶同櫪信息技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 重慶智慧之源知識產權代理事務所(普通合伙) 50234
• 代理人: 余洪

本發(fā)明公開了一種基于對抗生成網絡的路面裂縫缺陷檢測方法，包括如下步驟：S1、將圖像數據X輸入至生成器并生成與裂縫標簽Y對應的贗品標簽Y’；S2、將圖像數據X和贗品標簽Y’在通道上進行連接，傳輸至辨別器并輸出第一結果G_n；S3、將圖像數據X和裂縫標簽Y在通道上進行連接，傳輸至辨別器并輸出第二結果G_p；S4、訓練辨別器判斷G_p為真，G_n為假，并將判斷假的部分反向傳播調整生成器參數；S5、更換所述圖像數據X并重復步驟S1?S4對生成器和辨別器重復訓練，直到辨別器無法判別G_p為真，G_n為假；S6、訓練完成后，固定生成器參數，將要檢測的圖片輸入生成器，輸出一個1280*1280*1的得分矩陣，然后通過閥值進行過濾，得出檢測結果。能夠更清楚的辨別裂縫病害。

技術領域

本發(fā)明涉及橋梁病害檢測，特別是涉及一種基于對抗生成網絡的路面裂縫缺陷檢測方法。

背景技術

生成對抗網絡(GAN，Generative Adversarial Net)模型中分別由生成式模型(generative model)和判別式模型(discriminative model)組成。判別模型的任務是判斷給定的圖像看起來是自然的還是人為偽造的(圖像來源于數據集)。生成模型的任務是生成看起來自然真實的、和原始數據相似的圖像。

公路作為國家國民經濟發(fā)展的一項重要基礎設施，為我國社會經濟發(fā)展做出了突出的貢獻，它深刻地影響著社會、經濟以及人民生活。2018年末，中國公路總里程達到485.95萬公里，相比于20年前已翻了數倍。隨著中國公路通車里程的不斷增加和機動化進程的加快，公路使用時間和頻率不斷增長，路面常年承受的車輪碾壓及冰雪雨天氣等復雜自然因素的影響，很多公路表面已出現(xiàn)了或多或少的裂縫病害，這些裂縫大大降低了公路的服務能力。為此，及早發(fā)現(xiàn)裂縫并進行維護可以及時避免裂縫進一步發(fā)展造成的嚴重影響，具有重要的現(xiàn)實意義。

路面裂縫是評價路面質量最重要的參數之一，是大部分病害的早期表現(xiàn)形式，直接影響著公路使用壽命和行車安全，及早發(fā)現(xiàn)裂縫并進行維護可以及時避免裂縫進一步發(fā)展造成的嚴重影響。傳統(tǒng)的人工檢測方法，因其耗時費力、不精確、受個人主觀影響大、戶外作業(yè)危險、影響正常交通等缺點，愈來愈不能適應公路發(fā)展的要求。隨著數字影像技術的成熟發(fā)展，數字相機以其高質量圖片拍攝、快速數據存儲等優(yōu)點被廣泛應用，路面裂縫圖像數據呈爆發(fā)式增長，這對人工肉眼觀察裂縫病害工作提出了更加嚴峻的挑戰(zhàn)。

發(fā)明內容

針對上述現(xiàn)有技術的不足，本發(fā)明提供了一種基于對抗生成網絡的路面裂縫缺陷檢測方法，以解決上述問題中的不足之處。

為了解決上述技術問題，本發(fā)明采用了如下的技術方案：

一種基于對抗生成網絡的路面裂縫缺陷檢測方法，包括如下步驟：

S1、將圖像數據X輸入至生成器并生成與裂縫標簽Y對應的贗品標簽Y’；

S2、將圖像數據X和贗品標簽Y’在通道上進行連接，傳輸至辨別器并輸出第一結果G_n；

S3、將圖像數據X和裂縫標簽Y在通道上進行連接，傳輸至辨別器并輸出第二結果G_p；

S4、訓練辨別器判斷G_p為真，G_n為假，并將判斷假的部分反向傳播調整生成器參數；

S5、更換所述圖像數據X并重復步驟S1-S4對生成器和辨別器重復訓練，直到辨別器無法判別G_p為真，G_n為假；

S6、訓練完成后，固定生成器參數，將要檢測的圖片輸入生成器，輸出一個1280*1280*1的得分矩陣，然后通過閥值進行過濾，得出檢測結果。

作為優(yōu)化，在將圖像數據X輸入至生成器之前，先將所述圖像數據X的大小調整為1280*1280。

作為優(yōu)化，所述生成器是編解碼器結構，包括編碼器、解碼器和瓶頸模塊，所述編碼器和所述解碼器通過所述瓶頸模塊連接。