[發明專利]基于寬度學習神經網絡的橋梁路面裂縫分類識別方法

有效

• 申請號: 201910380261.3
• 申請日: 2019-05-08
• 公開（公告）號: CN110197203B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 郭黎;卜慎慎;廖宇;李曉艷;李潤澤;江鑫
• 申請（專利權）人: 湖北民族大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G01N21/95
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 楊柳岸

本發明涉及一種基于寬度學習神經網絡的橋梁路面裂縫分類識別方法，屬于圖像處理和計算機視覺領域。利用寬度學習神經網絡同時實現橋梁裂縫位置和裂縫屬性的準確識別分類，主要解決目前基于寬度學習神經網絡的橋梁裂縫的檢測方法無法直接獲取裂縫的寬度和長度信息的問題以及將PC端和手機端的結合來進行橋梁裂縫的分類識別，給橋梁裂縫的分類識別帶來了更準確、更便捷、可靠性更高的方法，提高了橋梁裂縫檢測的效率以及檢測結果的準確性和穩定性。

技術領域

本發明屬于圖像處理和計算機視覺領域，涉及基于寬度學習神經網絡的橋梁路面裂縫分類識別方法。

背景技術

橋梁作為道路、公路、鐵路等交通系統的樞紐，需要定期的對其健康狀況進行檢測和評估。通常混凝土結構引起病害的主要表現形式有裂縫、變形、腐蝕等等。而且橋梁通常大多是由混凝土構成，由調查得知，90％以上的混凝土橋梁的損壞是由橋梁裂縫造成的，橋梁表面出現裂縫不僅意味著橋梁內部出現了結構性的損傷，能夠有效的反映結構當前的工作狀態，而且外界產生的水汽就比較容易進入橋梁內部，從而加速鋼筋等內部結構的腐蝕、材料碳化以及材料變形等；及時檢測、捕捉、識別分類橋梁表面的裂縫，對于預示或者及時發現工程險情和后期橋梁的修補，控制裂縫的產生、擴展，并根據不同橋梁裂縫進行不同的預防工作，保證橋梁的可靠運營以及延長橋梁的使用壽命具有非常重要的意義。

目前的檢測方法主要為人工檢測、大型橋梁檢測車檢測為主，存在很多不足之處：

(1)安全性低：屬于高空作業，而且檢測人員需要下到橋梁底下進行檢測，安全沒有保障；

(2)檢測效率低：檢測效率會受到橋底環境復雜程度和質檢工作者的經驗和體力影響，比較耗時；

(3)檢測精度低：主要以人眼進行觀察檢測，容易受到人的主觀因素影響；

(4)勞動強度大：橋梁多，檢測工作量大，單純靠人工完成，強度比較大；

(5)成本高：需要專業人士操作，使用大量人力物力進行檢測，花費高；

(6)信息化程度低：無法精確建立橋梁裂縫歷史數據，不便于危險橋梁的管理和維護，亦無法給政府管理部門提供決策支撐信息。

上述不足導致目前橋梁裂縫的檢測現狀完全不能適應當下和未來橋梁的建設與發展。

近幾年由于人們對裂縫特征的不同理解，使得人們提出的裂縫檢測方法也是各種各樣，但大部分原理基本特征是一致的，而且算法的流程也大致相同：預處理，裂縫區域檢測與分類分割，后處理與特征描述。裂縫作為一種看似簡單，卻因為背景及本身結構特征而具有多變性和復雜性的目標，現有的橋梁裂縫檢測方法仍然存在很多缺陷，遠不能滿足其需求。

總而言之，用于檢測橋梁裂縫的特征多種多樣，但是簡單而又高效的橋梁裂縫的檢測還是一個難點，如何快速高效精準的提取橋梁裂縫結構特征都是具有挑戰性的問題。

發明內容

有鑒于此，本發明的目的在于提供一種基于寬度學習神經網絡的橋梁路面裂縫分類識別方法。

為達到上述目的，本發明提供如下技術方案：

一種基于寬度學習神經網絡的橋梁裂縫分類識別方法，該方法包括以下步驟：

步驟一、創建寬度學習圖像訓練集；

步驟二、訓練寬度學習神經網絡模型；

步驟三、使用訓練好的神經網絡模型對待檢測圖像進行檢測并輸出預測標簽圖像；

步驟四、根據預測標簽圖像輸出檢測結果，包括圖像類別、裂縫的坐標信息以及裂縫的像素級寬度值和長度值；