[發明專利]一種橋梁裂縫檢測方法

有效

• 申請號: 202010174163.7
• 申請日: 2020-03-13
• 公開（公告）號: CN111402227B
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 談俊燕;黃婧雯;楊雪
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06V10/26;G06V10/762;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 范青青

本發明公開了一種橋梁裂縫檢測方法，屬于橋梁檢測技術領域，旨在提高橋梁裂縫檢測的檢測精度及效率。所述方法包括如下步驟：對所采集的一組橋梁圖像進行裂縫分割；根據裂縫分割結果，采用預構建的橋梁裂縫分類模型對橋梁裂縫進行檢測分類。橋梁裂縫的分割處理采用了一種改進的GAC算法模型，以分割無人機高清攝像頭拍攝到的橋梁底部圖像中的可見裂縫；橋梁裂縫分類模型的構建采用深度學習方法，設計一種基于深度卷積神經網絡模型，用于橋梁的識別；橋梁裂縫的三維重建與裂縫信息檢測采用移動立方體算法，以確定裂縫的個數、平均寬度、幾何性質及其與整體的空間關系，從而使得專業人士可以對裂縫進行定性或定量分析。本發明實現利用基于深度學習的計算機檢測技術解決相應裂縫檢測等建筑問題。

技術領域

本發明涉及一種橋梁裂縫檢測方法，屬于橋梁檢測技術領域。

背景技術

目前橋梁裂縫檢測和維護主要依靠人工檢測。人工檢測方法耗時且需要大量的人力物力財力，不僅檢測精度低、人為影響因素大，而且在許多情況下由于區域的不可接近性或裂縫的微觀尺寸，不可能在視覺上檢測到裂縫。

發明內容

為克服現有技術中的不足，本發明提供了一種橋梁裂縫檢測方法，能夠提高橋梁縫隙檢測效率及精度。

為達到上述目的，本發明時采用下述技術方案實現的：

一種橋梁裂縫檢測方法，所述方法包括如下步驟：

對所采集的一組橋梁圖像進行裂縫分割；

根據裂縫分割結果，采用預構建的橋梁裂縫分類模型對橋梁裂縫進行檢測分類。

進一步的，對所采集的橋梁圖像進行裂縫分割的方法包括如下步驟：

采用基于Nystrom逼近理論推廣的譜聚類算法分割各個橋梁圖像中的裂縫作為初始輪廓；

沿著向上方向，依次將已經分割好的裂縫映射到下一張橋梁圖像上，作為該張橋梁圖像中裂縫的初始輪廓，采用改進的GAC模型完成各個裂縫的分割，直到所有橋梁圖像分割結束；

沿著向下方向，依次將沿著向上方向分割好的裂縫映射到下一張橋梁圖像上，作為該張橋梁圖像中裂縫的初始輪廓，采用改進的GAC模型完成各個裂縫的分割，直到所有橋梁圖像分割結束。

進一步的，采用改進的GAC模型完成各個裂縫的分割的方法包括如下步驟：

計算已分割好的各個裂縫區域的灰度均值與灰度標準差，將灰度均值與灰度標準差作為各個裂縫區域的灰度相似性信息；

根據灰度相似性信息構造灰度相似性信息項；

將灰度相似性信息項作為一個外部能量項添加到GAC模型的能量泛函中，從而對GAC模型進行改進。

進一步的，所述橋梁裂縫分類模型的構建方法包括如下步驟：

收集包含各類裂縫的原始橋梁圖像；

對所收集的原始橋梁圖像進行裂縫標記及裂縫分割以構建橋梁裂縫的樣本數據集；

結合橋梁全局特征初始構建8層的深度卷積神經網絡，包括一層輸入層、三層卷積層、三層池化層、二層全連接層和一層輸出層，采用softmax分類器；

采用樣本數據集對所構建的深度卷積神經網絡進行訓練及測試，以確定橋梁裂縫分類模型的結構及參數。

進一步的，對原始橋梁圖像進行數據清理，剔除未標記的橋梁圖像。

進一步的，所述方法還包括：在進行裂縫分割前，將橋梁圖像轉化為灰度圖像，并對所述灰度圖像進行增強及歸一化處理。

進一步的，所述方法還包括：