[發(fā)明專利]一種卷積神經(jīng)網(wǎng)絡(luò)邊坡裂縫變化的動(dòng)態(tài)預(yù)警方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011364682.6
• 申請(qǐng)日: 2020-11-27
• 公開(kāi)（公告）號(hào): CN112560587B
• 公開(kāi)（公告）日: 2022-04-08
• 發(fā)明（設(shè)計(jì)）人: 池匯海;庹斌;李東旭;楊林;袁超;殷才華
• 申請(qǐng)（專利權(quán)）人: 貴州中建建筑科研設(shè)計(jì)院有限公司
• 主分類號(hào): G06V20/52
• 分類號(hào): G06V20/52;G06V20/10;G06V10/26;G06V10/82;G06N3/04;G06F16/583;G01N21/88
• 代理公司: 南京禹為知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32272
• 代理人: 朱寶慶

1.一種卷積神經(jīng)網(wǎng)絡(luò)邊坡裂縫變化的動(dòng)態(tài)預(yù)警方法，其特征在于：包括，

在邊坡對(duì)側(cè)安裝視頻監(jiān)控設(shè)備；

對(duì)所述視頻監(jiān)控設(shè)備拍攝的圖片進(jìn)行定時(shí)處理；

利用卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別算法判斷處理后的所述圖片中邊坡是否存在新增裂縫，對(duì)多張圖片進(jìn)行深度學(xué)習(xí)，識(shí)別出所述裂縫開(kāi)展的位置和變化情況；

結(jié)合測(cè)距和三角函數(shù)關(guān)系，確定所述邊坡發(fā)生滑移的范圍和初步估算的變形情況并進(jìn)行預(yù)警；

獲取所述拍攝圖片1080*1080像素區(qū)域內(nèi)各點(diǎn)的R、G、B值，將其轉(zhuǎn)化為灰度圖像，轉(zhuǎn)化公式如下：

R_g=（R_h + G_h + B_h）/ 3;

G_g=（R_h + G_h + B_h）/ 3

B_g=（R_h + G_h + B_h）/ 3

其中，R_g是灰度化后R值、G_g灰度化后G值、B_g灰度化后B值，R_h是灰度化前R值，G_h是灰度化前G值，B_h是灰度化前B值；

將原始圖像中R、G、B三個(gè)通道量值調(diào)平；

為了加快圖片處理速度，則對(duì)圖像區(qū)域進(jìn)行編碼，包括，

將所述灰度圖像分割為4*4的16個(gè)網(wǎng)格；

分割后的網(wǎng)格大小為270*270,并依次編號(hào)1~16；

在數(shù)據(jù)處理時(shí)逐個(gè)對(duì)分割后的網(wǎng)格內(nèi)圖像進(jìn)行分析、識(shí)別，輸入層參數(shù)為270*270*16的格式作為輸入層數(shù)據(jù)；

卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括，輸入層1個(gè)、卷積層5個(gè)、池化層3個(gè)、全連接層2個(gè)和輸出層1個(gè)；

所述卷積層分為特征提取層即C層、特征映射層即S層，即將上一層輸出圖像與本層卷積核即權(quán)重參數(shù)W卷積得到各個(gè)所述C層，通過(guò)下采樣得到各個(gè)所述S層，所述C層和所述S層的輸出統(tǒng)稱為特征圖；

計(jì)算出其卷積后特征圖像feature map輸出的大小為：

N=(W-F+2P)/S+1

其中，N表示卷積后寬高（wide/height）大小，W表示輸入層尺寸，F(xiàn)表示卷積核尺寸（kernel_size），P表示邊緣填充尺寸，S表示步長(zhǎng)（padding）；

所述神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)使用了多個(gè)尺寸的池化，包括，

S2層卷積所用Pool_size為：4×4、stride為2，池化后S2層神經(jīng)元個(gè)數(shù)為32×32×96=98304；

S4層卷積所用Pool_size為：3×3、stride為2，池化后S2神經(jīng)元個(gè)數(shù)為16×16×256=65536；

S8層卷積所用Pool_size為：3×3、stride為2，池化后S2神經(jīng)元個(gè)數(shù)為7×7×256=12544；

結(jié)合測(cè)距和三角函數(shù)關(guān)系，當(dāng)所述卷積神經(jīng)網(wǎng)絡(luò)判定存在裂縫后，則對(duì)所述編號(hào)進(jìn)行識(shí)別；

從識(shí)別結(jié)果中提取出16張圖片中存在裂縫最大概率的編號(hào)，并進(jìn)行編號(hào)查詢；

若所述編號(hào)存在于數(shù)據(jù)庫(kù)中，則開(kāi)始進(jìn)行裂縫變化比對(duì)；

若所述裂縫不存在所述數(shù)據(jù)庫(kù)中時(shí)，則新增裂縫編號(hào)，并關(guān)聯(lián)于圖片區(qū)域編號(hào)。

2.根據(jù)權(quán)利要求1所述的卷積神經(jīng)網(wǎng)絡(luò)邊坡裂縫變化的動(dòng)態(tài)預(yù)警方法，其特征在于：所述圖片裂縫是否開(kāi)展判斷，基于所述圖片灰度范圍是否增大，包括，

根據(jù)所述卷積神經(jīng)網(wǎng)絡(luò)識(shí)別出的所述圖片區(qū)域編碼，針對(duì)已經(jīng)經(jīng)過(guò)所述灰度處理的照片中存在的裂縫進(jìn)行灰度裂縫像素面積比對(duì)，面積前后大小發(fā)生變化的，則判斷裂縫寬度發(fā)生了變化，像素比對(duì)容許偏差5%。

3.一種應(yīng)用如權(quán)利要求1或2所述的卷積神經(jīng)網(wǎng)絡(luò)邊坡裂縫變化的動(dòng)態(tài)預(yù)警方法的動(dòng)態(tài)預(yù)警系統(tǒng)，其特征在于：包括，

采樣模塊（100），用于拍攝高清圖像以用于數(shù)據(jù)分析和變化對(duì)比，為后期開(kāi)展工作進(jìn)行數(shù)據(jù)收集；

數(shù)據(jù)處理中心模塊（200）連接設(shè)置于所述采樣模塊（100）的下表面，其用于接收、存儲(chǔ)所述采樣模塊（100）收集的數(shù)據(jù)并進(jìn)行計(jì)算，所述數(shù)據(jù)處理中心模塊（200）包括運(yùn)算單元（201）、數(shù)據(jù)庫(kù)（202）和輸入輸出管理單元（203），所述運(yùn)算單元（201）與所述采樣模塊（100）相連接，用于接收所述采樣模塊（100）獲取的圖像數(shù)據(jù)信息以進(jìn)行運(yùn)算處理，計(jì)算灰度值，對(duì)比圖像灰度區(qū)域幅值大小，所述數(shù)據(jù)庫(kù)（202）連接于各個(gè)模塊，用于存儲(chǔ)接收的所有數(shù)據(jù)信息，為所述數(shù)據(jù)處理中心模塊（200）提供調(diào)配供應(yīng)服務(wù)，所述輸入輸出管理單元（203）用于接收各個(gè)模塊的信息并輸出所述運(yùn)算單元（201）的運(yùn)算結(jié)果；

預(yù)警模塊（300）與所述數(shù)據(jù)處理中心模塊（200）相連接并設(shè)置于其上表面，所述預(yù)警模塊（300）用于讀取所述運(yùn)算單元（201）的運(yùn)算結(jié)果以進(jìn)行動(dòng)態(tài)報(bào)警；

所述采樣模塊（100）采樣數(shù)據(jù)采集傳感器，即高清攝像頭，其采集的視頻圖像通過(guò)所述輸入輸出管理單元（203）傳回?cái)?shù)據(jù)監(jiān)控中心進(jìn)行保存。