[發明專利]改進PoolNet網絡結構的混凝土路面裂縫檢測方法

有效

• 申請號: 202110432301.1
• 申請日: 2021-04-21
• 公開（公告）號: CN113222904B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 瞿中;曹沖;鮑康華
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T3/00;G06T11/40;G06V10/46;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 張晨

本發明公開了一種改進PoolNet網絡結構的混凝土路面裂縫檢測方法，獲取路面圖像集，并篩選出具有裂縫的路面圖像；基于仿射變換和非剛體變換，對所述路面圖像以及對應的標注進行數據增強處理；將數據增強后的訓練集輸入改進PoolNet網絡結構進行訓練，直至迭代次數達到指定閾值或者性能指標滿足應用要求，完成訓練；基于測試集判斷改進PoolNet網絡結構是否滿足應用要求，若滿足，則保存改進PoolNet網絡結構，若不滿足，則修改數據增強和訓練環境的超參數重新進行訓練；使用訓練好的模型進行路面裂縫檢測，并對提取得到的路面裂縫使用基于連通域標記分類算法，對裂縫進行分類和嚴重程度的評估，準確地檢測路面裂縫。

技術領域

本發明涉及路面裂縫檢測技術領域，尤其涉及一種改進PoolNet網絡結構的混凝土路面裂縫檢測方法。

背景技術

路面裂縫檢測是道路巡檢養護的主要工作之一，及時地檢測出路面裂縫有利于及早地修補路面缺陷，保證行車安全。以人工方式去巡查路面狀況不僅巡檢人員存在生命危險，而且工作效率較低。自動地路面裂縫檢測技術能夠提高檢測效率，將人員從繁重的、乏味的重復性工作解脫出來。目前，已經有許多學者在路面裂縫檢測算法領域做了大量研究。

當前，越來越多的基于深度學習的路面裂縫檢測方法被提出，這些方法不再是人工設計的特征外加分類器的算法流程，而是精心設計一個端到端的卷積神經網絡模型實現單階段檢測裂縫。但是深度學習方法的性能依賴于標記的訓練數據、設計的網絡模型以及模型訓練策略。目前，裂縫檢測方法能夠對干凈的、少噪聲的路面準確地提取裂縫，而在含有陰影、污點、水漬、車道線等噪聲以及不均勻光照條件地復雜路面環境下，容易受到噪聲影響，將與裂縫相似的噪聲(比如陰影、車道線)誤檢測為裂縫，不能夠從復雜環境中提取路面圖像中魯棒性的裂縫特征，準確地檢測路面裂縫。

發明內容

本發明的目的在于提供一種改進PoolNet網絡結構的混凝土路面裂縫檢測方法，能夠從復雜環境中提取路面圖像中魯棒性的裂縫特征，準確地檢測路面裂縫。

為實現上述目的，本發明提供了一種改進PoolNet網絡結構的混凝土路面裂縫檢測方法，包括以下步驟：

獲取路面圖像集，并從所述路面圖像集中篩選出具有裂縫的路面圖像，同時劃分為訓練集和測試集；

基于仿射變換和非剛體變換，對所述路面圖像以及對應的標注進行數據增強處理；

將數據增強后的所述訓練集輸入改進PoolNet網絡結構進行訓練，直至迭代次數達到指定閾值或者性能指標滿足應用要求，完成訓練；

基于所述測試集判斷所述改進PoolNet網絡結構是否滿足應用要求，若滿足，則保存所述改進PoolNet網絡結構，若不滿足，則修改數據增強和訓練環境的超參數重新進行訓練；

使用訓練好的模型進行路面裂縫檢測，并對提取得到的路面裂縫使用基于連通域標記分類算法，對裂縫進行分類和嚴重程度的評估。

其中，基于仿射變換和非剛體變換，對所述路面圖像以及對應的標注進行數據增強處理，包括：

獲取隨機生成的一個隨機數，并判斷所述隨機數是否大于執行數據增強的閾值；

若大于執行數據增強的閾值，則以反射方式取所述路面圖像較長邊填充圖像，并以多種設定的概率值進行數據增強處理。

其中，若大于執行數據增強的閾值，則以反射方式取所述路面圖像較長邊填充圖像，并以多種設定的概率值進行數據增強處理，包括：

大于執行數據增強的閾值，則以反射方式取所述路面圖像較長邊填充圖像，得到一個正方形圖像；

以0.2的概率添加高斯噪聲；

以0.5的概率進行水平翻轉；