[發(fā)明專利]一種基于改進(jìn)U-Net神經(jīng)網(wǎng)絡(luò)的道路裂縫檢測方法

有效

• 申請?zhí)枺?/td>: 202110471512.6
• 申請日: 2021-04-29
• 公開（公告）號: CN112949783B
• 公開（公告）日: 2023-09-26
• 發(fā)明（設(shè)計）人: 朱節(jié)中;張果榮;柯福陽;余曉棟;陸松;李富;丁健;陳道勇
• 申請（專利權(quán)）人: 南京信息工程大學(xué)濱江學(xué)院
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06V20/10;G06N3/0464
• 代理公司: 南京匯盛專利商標(biāo)事務(wù)所(普通合伙) 32238
• 代理人: 張立榮

1.一種基于改進(jìn)U-Net神經(jīng)網(wǎng)絡(luò)的道路裂縫檢測方法，包括

1)采集道路裂縫圖像，構(gòu)建道路裂縫數(shù)據(jù)集，并進(jìn)行預(yù)處理操作，形成訓(xùn)練集和測試集；

2)構(gòu)建改進(jìn)U-Net神經(jīng)網(wǎng)絡(luò)模型，所述改進(jìn)U-Net神經(jīng)網(wǎng)絡(luò)模型包括編碼器和解碼器，所述編碼器和解碼器采用的網(wǎng)絡(luò)結(jié)構(gòu)，包括1層64個3×3卷積核的卷積層、1層128個3×3卷積核的卷積層、1層256個3×3卷積核的卷積層、1層512個3×3卷積核的卷積層以及1層1024個3×3卷積核的卷積層，編碼器與解碼器通過卷積計算連接；其中，編碼器的卷積層均連接2×2步長為2的最大池化層，解碼器的卷積層均連接3×3步長為2的反卷積層；

所述卷積層采用帶有擴(kuò)張率r的空洞卷積，并且每個空洞卷積后依次加入了批歸一化BN層，以及一個線性整流函數(shù)ReLu層；所述空洞卷積為：

k'＝k+(k-1)×(r-1)

其中，k為標(biāo)準(zhǔn)卷積核的大小，r為空洞卷積的擴(kuò)張率，k'為空洞卷積核的大小；

所述空洞卷積減少了改進(jìn)U-Net神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)，減少的網(wǎng)絡(luò)參數(shù)可按如下公式計算：

其中，α為減少參數(shù)的比例，n為卷積層的個數(shù)；

3)基于所述訓(xùn)練集，對所述改進(jìn)U-Net神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；訓(xùn)練過程采用二分類交叉熵BCE作為訓(xùn)練過程中的損失函數(shù)，使用Adam優(yōu)化器訓(xùn)練20輪，學(xué)習(xí)率為0.001，訓(xùn)練批次的大小為4；其中，二分類交叉熵?fù)p失函數(shù)為：

其中，L_BCE為損失值，N為一張道路裂縫圖像像素總數(shù)目，y_i和p_i分別為第i個像素點的標(biāo)簽值和預(yù)測概率；

4)基于所述測試集，對訓(xùn)練完成的改進(jìn)U-Net神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測試，輸出檢測結(jié)果，并對模型進(jìn)行評估，得出模型性能；

其中，采用總體像素準(zhǔn)確率Acc和均交并比mIoU進(jìn)行評價所述網(wǎng)絡(luò)模型的性能；總體像素準(zhǔn)確率為：

其中，Acc為總像素準(zhǔn)確率，指所有預(yù)測正確像素占全部像素的比例；TP為真正例，指模型將正類別樣本正確預(yù)測為正類別；TN為真負(fù)例，指模型將負(fù)類別樣本正確預(yù)測為負(fù)類別；FP為假正例，指將負(fù)類別樣本錯誤的預(yù)測為正類別；FN為真負(fù)例，指將正類別樣本錯誤的預(yù)測為負(fù)類別；

均交并比計算公式為：

其中，mIoU為均交并比，i為真實值，j為預(yù)測值，P_ij為將i預(yù)測為j，P_ji為將j預(yù)測為i，P_ii為將i預(yù)測為i，將上式進(jìn)行轉(zhuǎn)換，結(jié)果為：

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)U-Net神經(jīng)網(wǎng)絡(luò)的道路裂縫檢測方法，步驟1)中，所述道路裂縫圖像采用道路裂縫拍攝照片。

3.根據(jù)權(quán)利要求1所述的基于改進(jìn)U-Net神經(jīng)網(wǎng)絡(luò)的道路裂縫檢測方法，步驟1)中，所述預(yù)處理操作包括：對道路裂縫數(shù)據(jù)集中各道路裂縫圖像進(jìn)行分割，將圖像統(tǒng)一為256*256大小，通道數(shù)為3的圖像；

對分割后的子圖像進(jìn)行篩選并對各子圖像中道路裂縫部分標(biāo)注，其中，裂縫部分標(biāo)注為白色，非裂縫部分標(biāo)注為黑色，最后再按8:2的比例劃分成訓(xùn)練集和測試集。

4.根據(jù)權(quán)利要求1所述的基于改進(jìn)U-Net神經(jīng)網(wǎng)絡(luò)的道路裂縫檢測方法，步驟2)中，所述線性整流函數(shù)ReLu層為：

式中，x為卷積中各元素的輸入值；f(x)為卷積中各元素對應(yīng)的輸出值，若卷積中元素的輸入值為負(fù)值，則對應(yīng)的輸出值為0，若為正值，則保持原有元素輸出。