[發明專利]裂縫檢測方法、裝置、計算機設備及存儲介質

在審

• 申請號: 201911401125.4
• 申請日: 2019-12-30
• 公開（公告）號: CN111080641A
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 吳剛;倪楓
• 申請（專利權）人: 上海商湯智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京中知法苑知識產權代理有限公司 11226
• 代理人: 李明;趙吉陽

1.一種裂縫檢測方法，其特征在于，所述方法包括：

獲取待檢測圖像；

基于預先訓練的空洞卷積神經網絡從所述待檢測圖像中提取出第一層級圖像特征和第二層級圖像特征；其中，所述第二層級圖像特征由所述空洞卷積神經網絡所包括的第二卷積層提取得到，所述第一層級圖像特征由所述空洞卷積神經網絡所包括的第一卷積層提取得到，所述第二卷積層的層級高于所述第一卷積層的層級；

基于預先訓練的空間金字塔池化網絡以及所述第二層級圖像特征，確定所述待檢測圖像的池化后特征；

基于所述第一層級圖像特征和所述池化后特征，確定裂縫檢測結果。

2.根據權利要求1所述的方法，其特征在于，所述空洞卷積神經網絡包括依次連接的多個卷積層；所述第二卷積層中第一個卷積層，為與所述第一卷積層中最后一個卷積層連接的卷積層；所述基于預先訓練的空洞卷積神經網絡從所述待檢測圖像中提取出第一層級圖像特征和第二層級圖像特征，包括：

將所述待檢測圖像輸入至所述第一卷積層進行卷積處理，得到第一層級圖像特征；

將所述第一層級圖像特征輸入至所述第二卷積層進行卷積處理，得到第二層級圖像特征。

3.根據權利要求1所述的方法，其特征在于，所述空間金字塔池化網絡包括多個具有不同卷積參數的卷積層和一個池化層，所述卷積參數包括空洞率和卷積核大?。凰龌陬A先訓練的空間金字塔池化網絡以及所述第二層級圖像特征，確定所述待檢測圖像的池化后特征，包括：

將所述第二層級圖像特征輸入至所述空間金字塔池化網絡的每個卷積層分別進行卷積處理，得到第一特征，以及，

將所述第二層級圖像特征輸入至所述池化層進行池化處理，得到第二特征；

將所述空間金字塔池化網絡的各個所述卷積層處理后的第一特征和所述第二特征進行特征融合，得到所述池化后特征。

4.根據權利要求1所述的方法，其特征在于，所述基于所述第一層級圖像特征和所述池化后特征，確定裂縫檢測結果，包括：

基于所述第一層級圖像特征和所述池化后特征，確定所述待檢測圖像中每個像素點對應的裂縫概率；

基于各個像素點對應的裂縫概率，確定所述待檢測圖像是否存在裂縫。

5.根據權利要求4所述的方法，其特征在于，所述基于各個像素點對應的裂縫概率，確定所述待檢測圖像是否存在裂縫，包括：

基于各個像素點對應的裂縫概率，確定所述待檢測圖像中的待檢測裂縫區域；

基于所述待檢測裂縫區域的灰度值、以及所述待檢測裂縫區域的大小，確定所述待檢測圖像是否存在裂縫。

6.根據權利要求5所述的方法，其特征在于，所述基于所述待檢測裂縫區域的灰度值、以及所述待檢測裂縫區域的大小，確定所述待檢測圖像是否存在裂縫，包括：

基于所述待檢測裂縫區域的灰度值、以及所述待檢測裂縫區域的大小，確定所述待檢測裂縫區域為裂縫的置信度；

基于所述置信度和預設的存在裂縫的置信度閾值，確定所述待檢測圖像是否存在裂縫。

7.根據權利要求4所述的方法，其特征在于，所述基于所述第一層級圖像特征和所述池化后特征，確定所述待檢測圖像中每個像素點對應的裂縫概率，包括：

對所述池化后特征進行上采樣處理，得到與所述第一層級圖像特征的維度相同的處理后的池化后特征；

將所述第一層級圖像特征與所述處理后的池化后特征進行特征融合，基于融合后的特征，確定所述待檢測圖像中每個像素點對應的裂縫概率。

8.根據權利要求7所述的方法，其特征在于，所述基于融合后的特征，確定所述待檢測圖像中每個像素點對應的裂縫概率，包括：

將融合后的特征輸入具有卷積參數的卷積層進行卷積處理，得到卷積后特征；

將所述卷積后特征進行上采樣處理，得到與所述待檢測圖像維度相同的處理后的卷積后特征；

基于所述處理后的卷積后特征，確定所述待檢測圖像中每個像素點對應的裂縫概率。