[發(fā)明專利]一種基于編碼-解碼結構的混凝土橋梁裂縫檢測方法

在審

• 申請?zhí)枺?/td>: 202210438429.3
• 申請日: 2022-04-25
• 公開（公告）號: CN114820511A
• 公開（公告）日: 2022-07-29
• 發(fā)明（設計）人: 蔣仕新;鄒小雪;楊建喜;李昊;黃蝶;唐椿程;熊元俊
• 申請（專利權）人: 重慶交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T3/40;G06T5/30;G06F16/535;G06N3/04;G06N3/08
• 代理公司: 重慶博凱知識產(chǎn)權代理有限公司 50212
• 代理人: 孫根

本發(fā)明公開了一種基于編碼?解碼結構的混凝土橋梁裂縫檢測方法，包括如下步驟：步驟一：采集并篩選橋梁表面圖像的數(shù)據(jù)集，并對數(shù)據(jù)集進行預處理；步驟二：引入空洞卷積，擴大感受野，增加多尺度信息；步驟三：將空間注意力機制引入到編碼?解碼結構中，并將編碼結構中經(jīng)過一次卷積的特征圖與解碼結構中進行一次卷積的特征圖進行特征關聯(lián)；步驟四：最后，將編碼結構與解碼結構進行跳層連接。本發(fā)明能夠改善在橋梁裂縫檢測中密集細小裂縫檢測不清晰、背景噪聲過大的問題。

技術領域

本發(fā)明涉及橋梁裂縫檢測領域，尤其涉及一種基于編碼-解碼結構的混凝土橋梁裂縫檢測方法。

背景技術

公路、橋梁網(wǎng)的構建推動了我國交通運輸行業(yè)的快速發(fā)展，給人們的出行帶來了極大的便利。由于道路使用年限的不斷增加，道路路面在各型重載車輛的長期碾壓下受損，導致路面內(nèi)部的結構層難以承擔負荷，主要以路面損傷初期的裂縫形式顯現(xiàn)。若能夠在公路路面破損初期就對其進行道路、橋梁養(yǎng)護工作，將大大減少工作量并減少相關費用。對于道路、橋梁養(yǎng)護工作者來說，若能夠在路面損傷初期就進行及時的路況檢測可以有效提高預防性養(yǎng)護的水平。相反，由于路面養(yǎng)護的封閉維修模式而導致?lián)p傷處理不及時，風險評估不到位，在各種外在因素的影響下會進而引發(fā)損傷二次加劇，嚴重干擾正常的交通秩序，危害駕駛人的安全。

傳統(tǒng)的養(yǎng)護方式嚴重依賴一些專業(yè)的養(yǎng)護和檢測設備，價格高且操作專業(yè)性強，導致相關任務完成難度大。在道路、橋梁的養(yǎng)護任務中，關鍵的一步便是對路面裂縫的檢測和識別。傳統(tǒng)的人工檢測方式完全依賴于檢測人員個人的相關經(jīng)驗和知識背景，在定量分析中缺乏客觀性。基于數(shù)字圖像處理技術以及邊緣檢測算法的裂縫檢測方法雖然相對于人工檢測可以在一定程度上提高檢測效率，但其處理模式單一，且沒有考慮到實際環(huán)境下的路面噪聲情況，其檢測準確性不高。

目前，基于深度學習的方法已經(jīng)廣泛應用于圖像分類、目標檢測、語義分割等領域，其檢測精度遠遠超過了傳統(tǒng)的基于數(shù)字圖像處理技術的方法，甚至超過了人類的檢測水平。近年來，深度學習研究取得了突破式進展，使利用深度卷積神經(jīng)網(wǎng)絡進行裂縫的目標檢測成為了可能。根據(jù)裂縫的復雜化和多樣化，將裂縫分為橫向裂縫、縱向裂縫、斜向裂縫以及網(wǎng)狀裂縫，每類裂縫的損傷程度有所差異，需要根據(jù)其實際情況采取相適應的處理措施，其中前三種裂縫屬于規(guī)則裂縫。此類裂縫不僅具有平直的基本特性，而且還具有規(guī)律性。通常而言，網(wǎng)狀裂縫相對于規(guī)則裂縫來說出現(xiàn)的時間更早、復雜度更高、檢測難度更大，在混凝土制備時、養(yǎng)護期間、澆筑后都有可能會形成網(wǎng)狀裂縫。

綜上所述，設計高效、準確的道路、橋梁網(wǎng)狀裂縫檢測系統(tǒng)，成為道路、橋梁裂縫檢測領域亟待攻克的技術難題。

發(fā)明內(nèi)容

針對現(xiàn)有技術存在的上述不足，本發(fā)明的目的在于解決上述技術問題，提供一種基于編碼-解碼結構的混凝土橋梁裂縫檢測方法，能夠改善在橋梁裂縫檢測中密集細小裂縫檢測不清晰、背景噪聲過大的問題。

為了解決上述技術問題，本發(fā)明采用的技術方案是這樣的：一種基于編碼-解碼結構的混凝土橋梁裂縫檢測方法，其特征在于：包括如下步驟：

步驟一：采集并篩選橋梁表面圖像的數(shù)據(jù)集，并對數(shù)據(jù)集進行預處理，其中，所述數(shù)據(jù)集包括若干張橋梁表面的圖片；

步驟二：引入空洞卷積，擴大感受野，增加多尺度信息；

步驟三：將空間注意力機制引入到編碼-解碼結構中，并將編碼結構中經(jīng)過一次卷積的特征圖與解碼結構中進行一次卷積的特征圖進行特征關聯(lián)；

步驟四：最后，將編碼結構與解碼結構進行跳層連接。

進一步地，步驟一中，對數(shù)據(jù)集的預處理過程如下：。

1）對數(shù)據(jù)集中的圖片裂縫手工過濾，然后利用LabelImg軟件對數(shù)據(jù)集中的圖片的裂縫進行像素點標注，將圖片中的裂縫沿裂縫的走向涂畫出來；

2）用最近鄰域插值法將數(shù)據(jù)集中的圖片進行尺寸縮放，使數(shù)據(jù)集中的圖片的尺寸均為512x512；