[發明專利]基坑積水檢測方法

有效

• 申請號: 202210678384.7
• 申請日: 2022-06-16
• 公開（公告）號: CN114758139B
• 公開（公告）日: 2022-10-21
• 發明（設計）人: 吳猛猛;馬世彬;張安達
• 申請（專利權）人: 成都鵬業軟件股份有限公司
• 主分類號: G06V10/28
• 分類號: G06V10/28;G06V10/44;G06V10/54;G06V10/56;G06V10/774;G06V10/762;G06V10/82;G06V20/10;G06N3/04;G06K9/62
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 陽佑虹

本發明提供了一種基坑積水檢測方法，包括S1：獲取基坑積水圖像進行標注，作為基本訓練圖像數據；S2：對得到的圖像數據進行特征提取；S3：將提取的特征數據輸入到卷積神經網絡模型中，進行訓練；S4：獲取待檢測圖像數據，輸入到訓練好的網絡模型中，輸出檢測結果；S5：設定時間段，并獲取設定時間段的視頻圖像數據進行處理，得到高亮區域像素值隨時間的變化過程，進行頻譜分析，通過波動性特征，進一步進行基坑積水判定。本發明實現了針對工地基坑積水圖像的準確識別檢測。

技術領域

本發明涉及基坑積水圖像處理技術領域，特別涉及一種基坑積水檢測方法。

背景技術

卷積神經網絡（Convolutional Neural Networks, CNN）是一類包含卷積計算且具有深度結構的前饋神經網絡（Feedforward Neural Networks），是深度學習（deeplearning）的代表算法之一。卷積神經網絡具有表征學習（representation learning）能力，能夠按其階層結構對輸入信息進行平移不變分類（shift-invariantclassification），因此，它也被稱為“平移不變人工神經網絡（Shift-InvariantArtificial Neural Networks, SIANN）”。

圖像識別，是指利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術，是應用深度學習算法的一種實踐應用。現階段圖像識別技術一般分為人臉識別與商品識別，人臉識別主要運用在安全檢查、身份核驗與移動支付中；商品識別主要運用在商品流通過程中，特別是無人貨架、智能零售柜等無人零售領域。圖像的傳統識別流程分為四個步驟：圖像采集→圖像預處理→特征提取→圖像識別。圖像識別將圖像處理得到的圖像進行特征提取和分類。識別方法中基本的也是常用的方法有統計法(或決策理論法)、句法(或結構)方法、神經網絡法、模板匹配法和幾何變換法。

基礎工程是項目的根基，基坑安全至關重要，尤其是在雨季。基坑積水會制約工程進展，更嚴重的情況積水會滲透土方根部，引起大面塌方，造成安全事故影響整個地坑安全，快速識別出基坑積水情況可有效幫助工地根據積水情況擬定解決方案，減少工程損失，然而基坑水在實際中因光學特性，使得基坑積水識別存在困難，現有技術中，尚未有針對基坑積水有效檢測識別的方案。

如何快速、準確、有效的識別出基坑積水成為了目前在基礎工程應用領域中亟待解決的問題。

發明內容

為解決上述問題，本發明提供了一種基坑積水檢測的方法，基于圖像處理和深度學習，通過將工地攝像頭拍攝的照片進行分析處理，根據水的特征及水域輪廓，識別出基坑是否存在積水以及積水情況，基于對基坑積水圖像數據進行顏色特征和紋理特征的提取，以及天空部分區域去除，獲得能夠準確描述基坑積水圖像的特征數據，通過利用深度學習技術解決水體標簽分辨率低，噪聲多等問題，提高積水檢測識別精度，實現了基坑積水得準確有效檢測識別。

本發明提供了一種基坑積水檢測的方法，具體技術方案如下：

S1：獲取基坑積水圖像進行標注，作為基本訓練圖像數據；

S2：對得到的圖像數據進行特征提取；

S3：將提取的特征數據輸入到卷積神經網絡模型中，進行訓練；

S4：獲取待檢測圖像數據，輸入到訓練好的網絡模型中，輸出檢測結果。

進一步的，在步驟S2中，還包括對獲得的所述基坑積水圖像中靜態的水面特征進行顏色特征提取和紋理特征提取。

進一步的，所述顏色特征提取，具體過程如下：

對基坑積水圖像進行灰度處理；

確定基坑積水圖像水體區域中與周圍工地景物相比不同的亮度區域；

對采集的灰度圖像進行自適應灰度閾值分割，得到圖像中的高亮區域。