[發明專利]一種引入注意力機制改進型U-net的混凝土裂縫實時檢測方法

有效

• 申請號: 202110572608.1
• 申請日: 2021-05-25
• 公開（公告）號: CN113284107B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 李銳;余猛;許可非;張佳欣;楊平安;吳德成;程隆奇
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/26;G06V10/46;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 廖曦

本發明涉及一種引入注意力機制改進型U?net的混凝土裂縫實時檢測方法，屬于圖像檢測領域。該方法包括：S1：獲取數據集；S2：對數據集內圖片中的裂縫進行逐像素標注；S3：構建引入注意力機制改進型U?net的卷積神經網絡分割模型，基于傳統U?net網絡的基礎上，使用MobileNet作為骨干網絡，在編碼部分引入通道注意力模塊，在解碼部分引入空間注意力模塊；S4：將數據集圖片送入改進的網絡模型進行訓練；S5：將訓練好的最優模型封裝到檢測平臺；S6：使用移動采集平臺采集傳輸圖片至移動終端；S7：使用移動終端上傳圖片至檢測平臺進行檢測。本發明可實現邊采集邊檢測，增加混凝土表面結構損傷檢測人員的工作效率。

技術領域

本發明屬于圖像檢測領域，涉及混凝土結構健康檢測與評估領域，具體涉及一種引入注意力機制改進型U-net的混凝土裂縫實時檢測方法。

背景技術

在工程建設領域中，混凝土已經被廣泛的運用到公共交通設施建設、居民住宅建設以及公共服務設施建設之中，并取得了重大的成果，方便了人們的日常生活。然而混凝土設施在運營使用的過程中會不可避免地受到各類復雜因素(如雨雪沖刷、荷載沖擊、地震、泥石流等)的干擾，這些因素會降低混凝土結構強度，最終導致混凝土表面產生不同形狀的損傷，降低混凝土設施的使用壽命，并因此產生安全隱患。在諸多混凝土損傷中，混凝土結構裂縫是其中最為顯著和致命的損傷。如何快速準確地對現有混凝土結構裂縫進行檢測是工程建設領域中的關鍵問題。

傳統的混凝土裂縫檢測方法以人工檢測為主，但人工檢測具有很大的局限性，無法實時、精準、快速的檢測出混凝土的裂縫損傷，從而影響對各類混凝土設施的維護。目前，對于裂縫檢測的方式主要分為兩大類：

1)傳統圖像檢測。

傳統圖像檢測采用數字圖像處理技術進行自動化混凝土檢測，相較于以往人工檢測而言具有一定程度上的改進，但是仍然存在問題，傳統數字圖像處理技術大多基于混凝土裂縫的特定特征進行檢測，在進行檢測前工程師必須依靠自身的經驗對算法模型進行數據調參，尋找最佳的匹配參數，當檢測環境發生改變時，工程師也必須改變算法模型的參數，這導致算法模型的魯棒性不足且工程師需要耗費大量的時間進行模型調整，無法完全擺脫工程師的主觀因素的影響，從而影響檢測結果。

例如，趙芳等人基于傳統的Canny算子在道路裂縫檢測中針對噪聲和邊緣檢測的問題，提出一種改進的Canny邊緣檢測方法(將多尺度形態學和雙邊濾波結合)；周慧媛等人在基于對比度受限時針對多種路面裂縫檢測與識別提出利用CLAHE和中值濾波去噪，利用形態學去除圖像中的偽裂縫；韋春桃等人在基于自適應閾值的細小裂縫與微灰度差異裂縫自動檢測方法中，提出了一種基于自適應閾值的裂縫自動檢測方法；姚立平等人在基于圖像處理的路面裂縫檢測系統設計與研究中，提出一種基于Matlab的圖像裂縫檢測系統。

這些傳統的圖像檢測方法雖然在一定程度上解決了人工檢測耗時耗力的問題。但仍然存在一定的局限性，如檢測精度不高、魯棒性較差等問題。

2)使用深度學習的方法對裂縫進行檢測。

針對傳統圖像檢測方法的不足，研究人員開始研究使用深度學習的方法對裂縫進行檢測。雖然深度學習用于裂縫檢測相比于傳統圖像處理技術在檢測精度和魯棒性上有所提高，但都需要專業的工程師去采集圖像，最后將采集的圖像帶到實驗室使用電腦進行檢測，仍然耗時耗力。

例如，Zhang L.等人采用深度卷積神經網絡對路面裂縫進行自動檢測，該方法在強噪聲環境中具有很好的識別效果，但在弱噪聲環境下表現一般。Yun Liu等人提出一種使用多種卷積特征的邊緣檢測方法，該網絡充分利用目標對象的多尺度和多級信息，通過融合所有卷積特征使訓練圖像接近目標圖像，但網絡模型較大增加了復雜度及檢測時間。Jianghong Tang等人為了提高Faster R-CNN模型對小尺度的檢測精度，提出一種基于Faster R-CNN(ME-Faster R-CNN)的多任務增強大壩裂縫圖像檢測方法，但使用該方法不能檢測圖像中全部的裂縫特征。