[發(fā)明專利]一種基于機器視覺的公路邊坡微小位移形變監(jiān)測方法

在審

• 申請?zhí)枺?/td>: 202110497123.0
• 申請日: 2021-05-07
• 公開（公告）號: CN113192084A
• 公開（公告）日: 2021-07-30
• 發(fā)明（設(shè)計）人: 郭沛;侯蕓;張?zhí)N靈;陳志杰;王群;張鵬;任廣麗;崔麗;劉鵬宇;王聰聰
• 申請（專利權(quán)）人: 中國公路工程咨詢集團有限公司;中咨數(shù)據(jù)有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/46;G06K9/54;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于機器視覺的公路邊坡微小位移形變監(jiān)測方法，其特征在于：包括以下四個步驟：

步驟一：所述構(gòu)建基于公路邊坡圖像的輕量級裂縫分割網(wǎng)絡(luò)模型；

步驟二：所述訓練輕量級裂縫分割網(wǎng)絡(luò)模型；

步驟三：所述將待識別的公路邊坡裂縫圖片輸入到訓練后的輕量級裂縫分割網(wǎng)絡(luò)模型；

步驟四：所述輕量級裂縫分割網(wǎng)絡(luò)模型對輸入圖片進行自動的分割。

2.根據(jù)權(quán)利要求1所述的一種基于機器視覺的公路邊坡微小位移形變監(jiān)測方法，其特征在于：所述輕量級裂縫分割網(wǎng)絡(luò)模型主要包含編碼部分和解碼部分，編碼部分和解碼部分均包含四個階段模塊，各部分每個模塊結(jié)構(gòu)相似，其輸出尺度存在不同。

3.根據(jù)權(quán)利要求2所述的一種基于機器視覺的公路邊坡微小位移形變監(jiān)測方法，其特征在于：所述輕量級裂縫分割網(wǎng)絡(luò)模型編碼部分每個階段模塊包含卷積層、批歸一化層及激活函數(shù)層用于對輸入的圖像進行特征提取，逐級降低特征圖尺寸以節(jié)省計算量，逐級提高特征圖通道數(shù)以提高特征的靈活性。

4.根據(jù)權(quán)利要求3所述的一種基于機器視覺的公路邊坡微小位移形變監(jiān)測方法，其特征在于：所述輕量級裂縫分割網(wǎng)絡(luò)模型解碼部分每個階段模塊主要由上采樣單元Up-Conv和final Up-Conv構(gòu)成，Up-Conv包括一層用于改變通道數(shù)的1x1卷積層、批歸一化層以及激活函數(shù)層，并使用3x3的空洞卷積用于特征的解析，final Up-Conv結(jié)構(gòu)相似，在模型的最后使用用于輸出分割結(jié)果，其使用普通的3x3卷積代替空洞卷積避免特征損失，以實現(xiàn)更加精細的圖像特征重現(xiàn)。

5.根據(jù)權(quán)利要求4所述的一種基于機器視覺的公路邊坡微小位移形變監(jiān)測方法，其特征在于：所述訓練輕量級裂縫分割模型的具體方法包括有獲取經(jīng)過人工標注的公路邊坡裂縫數(shù)據(jù)訓練集、對數(shù)據(jù)集中的數(shù)據(jù)進行預(yù)處理、將經(jīng)過預(yù)處理的數(shù)據(jù)輸入到輕量級裂縫分割網(wǎng)絡(luò)模型進行訓練。

6.根據(jù)權(quán)利要求5所述的一種基于機器視覺的公路邊坡微小位移形變監(jiān)測方法，其特征在于：所述對數(shù)據(jù)集中的云圖數(shù)據(jù)進行預(yù)處理的具體方法包括有對所述訓練云圖進行尺度歸一化處理、對所述經(jīng)過歸一化處理后的訓練圖像進行隨機伽馬變換、旋轉(zhuǎn)、模糊、加噪等操作并保存數(shù)據(jù)以擴增數(shù)據(jù)量。

7.根據(jù)權(quán)利要求6所述的一種基于機器視覺的公路邊坡微小位移形變監(jiān)測方法，其特征在于：所述將待識別的公路邊坡裂縫圖片輸入到訓練后的輕量級裂縫分割網(wǎng)絡(luò)模型在網(wǎng)絡(luò)中進行特征提取等操作。

8.根據(jù)權(quán)利要求7所述的一種基于機器視覺的公路邊坡微小位移形變監(jiān)測方法，其特征在于：所述輕量級裂縫分割模型對輸入圖片進行自動的分割具體方法包括有輸入圖片經(jīng)過網(wǎng)絡(luò)后輸出為二通道特征圖，兩個通道分別代表對當前像素是否劃分為裂縫以及非裂縫的概率，取較大值為分割結(jié)果完成邊坡圖像的自動分割。