[發明專利]古建筑脊獸裝飾件巡檢方法在審
| 申請號: | 202210109004.8 | 申請日: | 2022-01-28 |
| 公開(公告)號: | CN114429578A | 公開(公告)日: | 2022-05-03 |
| 發明(設計)人: | 侯妙樂;紀宇航;董友強;栗怡豪;郝務宸;孫晨曦 | 申請(專利權)人: | 北京建筑大學 |
| 主分類號: | G06V10/774 | 分類號: | G06V10/774;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 北京遠大卓悅知識產權代理有限公司 11369 | 代理人: | 吳朝陽 |
| 地址: | 100044*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 古建筑 裝飾 巡檢 方法 | ||
本發明公開了一種古建筑脊獸裝飾件巡檢方法,包括:獲取訓練樣本集,其包括大量的已標注脊獸目標的脊獸圖像;將脊獸圖像輸入至卷積神經網絡模型中進行訓練,并從卷積神經網絡模型中獲取與脊獸圖像對應的最優檢測特征圖,卷積神經網絡模型包括用于提取脊獸圖像細粒度特征的聚合卷積層模塊和用于提取脊獸圖像語義信息的融入注意力機制的多尺寸卷積預測頭模塊;無人機根據設定的巡檢點位和航線對古建筑脊獸裝飾件定期進行巡檢,在每個巡檢點位均拍攝一組脊獸圖像,使用訓練完成的卷積神經網絡模型對拍攝的一組脊獸圖像進行檢測,對多期的檢測結果進行對比分析并判斷脊獸裝飾件是否發生損毀。本方法實現了大范圍脊獸裝飾件的快速自動化巡檢。
技術領域
本發明涉及古建筑裝飾件檢測領域。更具體地說,本發明涉及一種古建 筑脊獸裝飾件巡檢方法。
背景技術
脊獸是安放于古建筑屋脊的裝飾性構件,起到穩固屋脊、鎮火防雨和分 散雷電的作用,蘊含了豐富的象征意義,具有重要的藝術和歷史價值。由于 地震、雨水侵蝕等因素影響,導致古建筑脊獸裝飾件丟失或破損,對建筑整 體的美學價值造成破壞,也使珍貴的文物資源流失。針對脊獸裝飾件進行日 常巡檢,統計出種類和數量,從而及時發現和修繕殘損構件,對于古建筑日 常管理與維護具有重要意義。目前,針對脊獸件的巡檢方式主要是通過定期 派遣工作人員進行巡查,依靠人眼目視解譯,手動統計脊獸件的類型和數量, 記錄殘損或缺失件的位置。然后根據巡檢報告在數據庫管理系統中更新、錄 入信息。由于古建筑群落建筑多、范圍大、面積大,常規巡檢頻率高(例如 1次/周)。現有人工巡檢方法存在一定局限性:①人力成本高,需要投入大量 人員參與巡檢工作,并對工作人員進行培訓,為其建立古建筑知識,人力成 本高;②作業效率低,屋脊脊獸位于古建筑較高標高位置,且易受游客觀光 影響,目視巡檢作業效率不高;③信息更新慢不及時,手工統計記錄,信息 更新慢。
發明內容
本發明的一個目的是解決至少上述問題和/或缺陷,并提供至少后面將說 明的優點。
本發明還有一個目的是提供一種古建筑脊獸裝飾件巡檢方法,其實現了 大范圍脊獸裝飾件的快速自動化巡檢,以及能夠自動判斷和定位缺失、破損 的脊獸裝飾件。
為了實現本發明的這些目的和其它優點,提供了一種古建筑脊獸裝飾件 巡檢方法,包括:
獲取訓練樣本集,所述訓練樣本集中包括大量的已標注脊獸目標的脊獸 圖像;
將所述脊獸圖像輸入至卷積神經網絡模型中進行訓練,并從所述卷積神 經網絡模型中獲取與所述脊獸圖像對應的最優檢測特征圖,所述卷積神經網 絡模型包括:n個卷積層模塊構成的聚合卷積層模塊和融入注意力機制的多 尺寸卷積預測頭模塊,其中,n為大于等于1的整數,所述聚合卷積層模塊 用于提取脊獸圖像的細粒度特征,所述多尺寸卷積預測頭模塊用于提取脊獸 圖像的語義信息;
無人機根據設定的巡檢點位和航線對古建筑脊獸裝飾件定期進行巡檢, 在每個巡檢點位均拍攝一組脊獸圖像,使用訓練完成的卷積神經網絡模型對 拍攝的一組脊獸圖像進行檢測,對多期的檢測結果進行對比分析并判斷脊獸 裝飾件是否發生損毀。
優選的是,所述的古建筑脊獸裝飾件巡檢方法,在所述聚合卷積層模塊 中,第一卷積層模塊為基礎卷積層,第二卷積層模塊至第n卷積層模塊具有 統一的結構,均包括一個步長為2的卷積層和若干個深度聚合卷積進行跳層 連接構成的殘差塊;其中,所述深度聚合卷積的具體處理過程為:
步驟S1、輸入特征圖Tinput為H×W×M,使用濾波器組Dw分別在輸入特 征圖Tinput的M個通道上一一對應獨立計算二維卷積,得到特征圖Td;其中, H為輸入特征圖的高,W為輸入特征圖的寬,M為輸入特征圖的通道數;其中, 所述濾波器組Dw中包括M個濾波器,每個濾波器的大小為3×3;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京建筑大學,未經北京建筑大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210109004.8/2.html,轉載請聲明來源鉆瓜專利網。





