[發明專利]一種基于滾動優化裂縫分類識別模型的路面裂縫檢測方法

有效

• 申請號: 202110644921.1
• 申請日: 2021-06-09
• 公開（公告）號: CN113486721B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 張慶龍;鄧乃夫;朱燕文;黃鎮蘋;喬奧成;譚靖
• 申請（專利權）人: 北京科技大學
• 主分類號: G06V20/00
• 分類號: G06V20/00;G06N3/0464;G06N3/096;G06F16/51;G01N21/88
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 段俊濤

1.一種基于滾動優化裂縫分類識別模型的路面裂縫檢測方法，其特征在于，包括以下步驟：

步驟1，路面圖像數據靜態采集與標注，并形成靜態數據庫，基于該靜態數據庫進行靜態裂縫識別，進而構建靜態裂縫識別模型；

步驟2，路面圖像數據動態采集，通過所述靜態裂縫識別模型進行識別，并經識別判斷準則來判斷執行下一步動作，即：若識別精度K大于或等于設定閾值K₁，則將相應圖像數據存入靜態數據庫，若識別精度K小于設定閾值K₁，則進入圖像拆分環節；

步驟3，將不符合識別判斷準則的單個圖像分割成4張相同大小的子圖片，并經圖像拆分判斷準則來判斷執行下一步動作，即：若某張子圖片裂縫總數小于或等于3根，則對其進行圖像標注，然后存入動態數據庫，否則將其輸入靜態裂縫識別模型重新進行裂縫識別，然后重新進入識別判斷準則判別流程；

步驟4，當動態數據庫路面圖像數據達到N張，N≥100，則依據由靜態數據庫和動態數據庫構成的數據庫進行動態裂縫識別，然后構建動態裂縫識別模型；

步驟5，以構建的動態裂縫識別模型更新已有的靜態裂縫識別模型，在路面圖像數據動態采集與路面裂縫動態識別過程中，實現靜態裂縫識別模型的動態更新，即實現靜態裂縫識別模型的滾動優化，基于該模型進行路面裂縫的檢測；

其中，所述靜態裂縫識別模型和動態裂縫識別模型均為像素級實例分割與目標檢測模型Mask-RCNN，所述像素級實例分割與目標檢測模型Mask-RCNN通過多尺度特征映射卷積神經網絡、RPN裂縫錨選區提取、裂縫錨選區確定與裂縫識別提取實現；

具體訓練過程為：利用多尺度特征映射卷積神經網絡對路面裂縫圖像上不同尺度的裂縫特征進行分層采樣提取；利用區域建議網絡(Region?Proposal?Networks，RPN)針對路面裂縫區域進行初步的錨選，并引入雙線性插值算法或非線性插值算法，將不同尺寸與比例的錨選框進行標準化，最終形成若干標準化候選框；候選錨選框將再次通過一個全連接卷積操作，二次提取更高層次的圖像語義信息，分別通過錨選框回歸層與分類歸一化層，依次得到最終的路面裂縫錨選框區域以及錨選框內路面裂縫的標簽信息。

2.根據權利要求1所述基于滾動優化裂縫分類識別模型的路面裂縫檢測方法，其特征在于，所述步驟1中路面圖像數據靜態采集與標注過程分為三步，即圖像采集、圖像分組和圖像標注。

3.根據權利要求2所述基于滾動優化裂縫分類識別模型的路面裂縫檢測方法，其特征在于，所述圖像采集是于在役公路段采集圖像M張，M≥1000，圖像大小統一處理為正方形；圖像分組是根據采集到的每張圖像上的裂縫數量，將圖像按照1根裂縫、2-3根裂縫、4-5根裂縫以及5根以上裂縫分為4組；圖像標注是利用機器識別標注軟件LabelMe對以上4組圖像進行人工標注，建立路面裂縫的靜態數據庫。

4.根據權利要求1所述基于滾動優化裂縫分類識別模型的路面裂縫檢測方法，其特征在于，所述靜態裂縫識別模型的構建方法為：將1根裂縫的圖像進行識別操作，得到識別權重W₁，再利用遷移學習訓練2-3根裂縫的圖像，得到識別權重W₂，進而繼續利用遷移學習得到4-5根裂縫的識別權重W₃以及5根以上裂縫的識別權重W₄，最終構建出所需的Mask-RCNN型靜態裂縫識別模型。