[發明專利]一種融合循環殘差卷積與上下文提取器網絡的自動橋梁裂縫檢測系統

在審

• 申請號: 202110222241.0
• 申請日: 2021-02-28
• 公開（公告）號: CN112884747A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 李剛;李喜媛;沈倩;蘭棟超;陳永強;代玉;張帥龍
• 申請（專利權）人: 長安大學;李剛;李喜媛
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種融合循環殘差卷積與上下文提取器網絡的自動橋梁裂縫檢測系統，其特征在于，所述方法具體包括以下步驟：

S1、使用圖像采集設備采集橋梁裂縫圖像，并創建用于深度學習模型訓練的橋梁裂縫數據集；

S2、用循環殘差卷積塊(RRCNN)替換標準卷積，得到新型的特征編碼器-解碼器網絡模型；

S3、使用包含空洞(Atrous)卷積、密集空洞卷積塊(DAC)以及殘差多核池化塊(RMP)的上下文提取器網絡；

S4、結合新型特征編碼器-解碼器網絡以及上下文提取器網絡構建橋梁裂縫自動檢測模型；

S5、通過橋梁裂縫數據集對橋梁裂縫自動檢測模型進行訓練，得到理想的精確度；

S6、根據訓練所得的參數，輸入待檢測圖像，輸出結果。

2.根據權利要求1所述的融合循環殘差卷積與上下文提取器網絡的自動橋梁裂縫檢測系統，其特征在于，所述步驟S1具體包括：

S11、利用DUI橋梁檢查車靠近橋梁待檢測區域，通過手持便攜式裂縫寬度測量儀(型號：TD-FCV-21)和Sony攝像機(推薦型號：A7M3)采集到不同類型的橋梁裂縫圖像，并將圖像依據裂縫類型進行分類；

S12、使用LabelMe軟件對裂縫圖像進行標記，利用滑動窗口技術擴增圖像數量，搭建橋梁裂縫數據集。

S13、根據深度學習模型訓練所需的比例，按照6：2：2的比例隨機分割橋梁裂縫數據集，分別得到訓練集、驗證集以及測試集。

3.根據權利要求1所述的融合循環殘差卷積與上下文提取器網絡的自動橋梁裂縫檢測系統，其特征在于，所述步驟S2具體包括：

S21、循環殘差卷積塊是用循環卷積網絡加入了一個殘差網絡的改進模塊，主要成分是遞歸卷積層，通過將特征編碼器的標準卷積替換成循環殘差卷積塊，并且不會額外增加參數，得到新型的特征編碼器；

S22、特征編碼器與特征解碼器之間通過跳躍連接直接相連。

4.根據權利要求1所述的融合循環殘差卷積與上下文提取器網絡的自動橋梁裂縫檢測系統，其特征在于，所述步驟S3具體包括：

S31、空洞卷積是在參數相同的條件下，增大了卷積核使感受野變大，從而不需要下采樣操作；

S32、DAC塊中包含了四條級聯分支，由不同擴張率的空洞卷積組成，形成了四種不同的感受野，并且在最后三條分支中加入了一個1×1的卷積神經網絡來校正線性激活；

S33、RMP塊中包含了四種不同大小的池化層，用來充當接受域，編碼全局的上下文信息。并且在每個池級后面增加一個1×1的卷積層，將特征映射的維數降低到1/N，其中N表示原始特征映射中的通道數。

5.根據權利要求1所述的融合循環殘差卷積與上下文提取器網絡的自動橋梁裂縫檢測系統，其特征在于，所述步驟S4具體包括：

S41、將采集到的橋梁裂縫圖像輸入到特征編碼模塊中，特征編碼器每層的輸出包含了標準卷積以及上一循環卷積層的輸入；

S42、包含DAC塊和RMP塊的上下文提取器的輸入是特征編碼器的輸出，通過DAC塊的四種級聯分支，接著輸入到RMP塊，通過池化操作和上采樣降低特征圖的維度，保證上下文提取器的輸出與原特征圖的尺寸特征相同；

S43、從上下文提取器得到的輸出，輸入到特征解碼器，特征解碼器運用轉置卷積恢復高分辨率的特征信息。