[發(fā)明專利]混凝土裂紋高分圖像無損語義分割方法、裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010563009.9
• 申請日: 2020-06-19
• 公開（公告）號: CN111612787B
• 公開（公告）日: 2021-09-14
• 發(fā)明（設(shè)計(jì)）人: 張軍;朱光明;李文軍;劉珊;彭琳峰;曾惠芳
• 申請（專利權(quán)）人: 國網(wǎng)湖南省電力有限公司;國網(wǎng)湖南省電力有限公司電力科學(xué)研究院;國家電網(wǎng)有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/34;G06K9/62;G06N3/04
• 代理公司: 長沙市融智專利事務(wù)所(普通合伙) 43114
• 代理人: 龔燕妮

1.一種混凝土裂紋高分圖像無損語義分割方法，其特征在于，包括：

獲取混凝土表面高分圖像；

采用滑動窗口將混凝土表面高分圖像截取為若干局部圖像；

將若干局部圖逐一輸入預(yù)先訓(xùn)練好的混凝土裂紋初識別模型，將識別出的存在裂紋概率大于預(yù)設(shè)閾值的局部圖像均篩選出來；其中，所述預(yù)設(shè)閾值的取值為0.1，以保證裂紋的查全率；

將篩選出來的局部圖像逐一輸入預(yù)先訓(xùn)練好的混凝土裂紋語義分割模型，對應(yīng)輸出逐像素分類的混凝土裂紋語義分割圖，實(shí)現(xiàn)混凝土表面高分圖像的無損語義分割；

其中，所述混凝土裂紋初識別模型為基于歷史混凝土高分圖像數(shù)據(jù)訓(xùn)練傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)得到；所述混凝土裂紋語義分割模型為基于歷史混凝土高分圖像數(shù)據(jù)訓(xùn)練全卷積神經(jīng)網(wǎng)絡(luò)得到；所述傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)架構(gòu)為ResNet50；所述全卷積神經(jīng)網(wǎng)絡(luò)為DeepLabv3+模型，其基礎(chǔ)架構(gòu)為ResNet50；

通過基于傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的混凝土裂紋初識別模型進(jìn)行初步篩選，過濾掉無裂紋的局部圖像，將篩選出的局部圖像再通過基于全卷積神經(jīng)網(wǎng)絡(luò)的混凝土裂紋語義分割模型進(jìn)行語義分割，該處理過程能有效緩解計(jì)算量過大、假裂紋過多的問題。

2.根據(jù)權(quán)利要求1所述的混凝土裂紋高分圖像無損語義分割方法，其特征在于，所述混凝土裂紋語義分割模型通過如下方法訓(xùn)練得到：

獲取若干混凝土表面高分圖像，并對若干混凝土表面高分圖像進(jìn)行有無裂紋的逐像素二分類標(biāo)注；

采用滑動窗口對逐像素標(biāo)注的若干混凝土表面高分圖像進(jìn)行預(yù)處理，得到若干逐像素標(biāo)注的局部圖像；

基于若干逐像素標(biāo)注的局部圖像構(gòu)建訓(xùn)練集和驗(yàn)證集，所述訓(xùn)練集和驗(yàn)證集中樣本均為標(biāo)注為有裂紋的逐像素標(biāo)注的局部圖像；

基于訓(xùn)練集和驗(yàn)證集對全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和優(yōu)化，得到混凝土裂紋語義分割模型。

3.根據(jù)權(quán)利要求2所述的混凝土裂紋高分圖像無損語義分割方法，其特征在于，所述混凝土裂紋初識別模型通過如下方法訓(xùn)練得到：

基于若干逐像素標(biāo)注的局部圖像生成若干整體有無裂紋的二分類標(biāo)注局部圖像；

基于若干整體有無裂紋的二分類標(biāo)注局部圖像構(gòu)建訓(xùn)練集和驗(yàn)證集，訓(xùn)練集和驗(yàn)證集中樣本均包括整體有裂紋局部圖像和整體無裂紋局部圖像；

基于訓(xùn)練集和驗(yàn)證集對傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和優(yōu)化，得到混凝土裂紋初識別模型。

4.根據(jù)權(quán)利要求2所述的混凝土裂紋高分圖像無損語義分割方法，其特征在于，所述基于若干逐像素標(biāo)注的局部圖像構(gòu)建訓(xùn)練集和驗(yàn)證集之前包括：

對若干逐像素標(biāo)注的局部圖像進(jìn)行圖像增強(qiáng)處理，生成新的若干逐像素標(biāo)注的局部圖像，其中，所述增強(qiáng)處理包括旋轉(zhuǎn)、翻轉(zhuǎn)、光照、對比度中的一種或多種。

5.一種混凝土裂紋高分圖像無損語義分割裝置，其特征在于，包括：

圖像獲取模塊，用于獲取混凝土表面高分圖像；

預(yù)處理模塊，用于采用滑動窗口將混凝土表面高分圖像截取為若干局部圖像；

初識別模塊，用于將若干局部圖逐一輸入預(yù)先訓(xùn)練好的混凝土裂紋初識別模型，將識別出的存在裂紋概率大于預(yù)設(shè)閾值的局部圖像均篩選出來；其中，所述預(yù)設(shè)閾值的取值為0.1，以保證裂紋的查全率；

語義分割模塊，用于將篩選出來的局部圖像逐一輸入預(yù)先訓(xùn)練好的混凝土裂紋語義分割模型，對應(yīng)輸出逐像素分類的混凝土裂紋語義分割圖，實(shí)現(xiàn)混凝土表面高分圖像的無損語義分割；

其中，所述混凝土裂紋初識別模型為基于歷史混凝土高分圖像數(shù)據(jù)訓(xùn)練傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)得到；所述混凝土裂紋語義分割模型為基于歷史混凝土高分圖像數(shù)據(jù)訓(xùn)練全卷積神經(jīng)網(wǎng)絡(luò)得到；所述傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)架構(gòu)為ResNet50；所述全卷積神經(jīng)網(wǎng)絡(luò)為DeepLabv3+模型，其基礎(chǔ)架構(gòu)為ResNet50；

通過基于傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的混凝土裂紋初識別模型進(jìn)行初步篩選，過濾掉無裂紋的局部圖像，將篩選出的局部圖像再通過基于全卷積神經(jīng)網(wǎng)絡(luò)的混凝土裂紋語義分割模型進(jìn)行語義分割，該處理過程能有效緩解計(jì)算量過大、假裂紋過多的問題。

6.一種計(jì)算機(jī)可讀存儲介質(zhì)，其存儲有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器加載時執(zhí)行如權(quán)利要求1至4任一項(xiàng)所述的混凝土裂紋高分圖像無損語義分割方法。