[發明專利]基于IR7-EC網絡的混凝土圖像裂縫類型迅捷智能識別方法

在審

• 申請號: 202210857092.X
• 申請日: 2022-07-20
• 公開（公告）號: CN115115924A
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 曹茂森;付榮華;王捷;錢向東;崔麗;張宇峰;朱凱
• 申請（專利權）人: 河海大學;江蘇東交智控科技集團股份有限公司;滁州學院;蘇交科集團股份有限公司
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V10/40;G06N3/04;G06N3/08
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 張舉

本發明提供基于IR7?EC網絡的混凝土圖像裂縫類型迅捷智能識別方法，包括：搭建IR7?EC網絡模型；所述IR7?EC網絡模型包括依次連接的卷積層、7個InvertedResidual?ECA結構、CBAM注意力機制、池化層和多個全連接層；其中，InvertedResidual?ECA結構為倒殘差結構與ECA注意力機制相結合構成；將實拍的待檢測混凝土圖像輸入到訓練好的IR7?EC網絡模型中，獲得混凝土圖像裂縫類型的識別結果。本發明避免了目前通用識別網絡alexnet、vgg16、resnet50和Googlenet和mobilenet_v3_large的參數冗余、長訓練時間、硬件內存占用高等弊端，具有網絡模型參數量量小，訓練收斂速度快，識別混凝土裂縫準確率高等特色和優勢，構成從混凝土圖像大數據中智能高效裂縫提供了一種專用模型，具有顯著的工程應用潛力。

技術領域

本發明涉及基于IR7-EC網絡的混凝土圖像裂縫類型迅捷智能識別方法技術領域，具體涉及一種基于倒殘差結構的IR7-EC網絡的混凝土裂縫圖像快速識別方法。

背景技術

混凝土建筑，包括橋梁、大壩等民用基礎設施，在其運營期間會產生劣損，而影響安全性，對其進行損傷診斷是十分必要的。隨著無人機技術和無線傳輸技術的發展，使大體積混凝土的海量數據高效獲取成為了可能，為發展智能識別提供了基礎。與傳統的結構損傷檢測方法相比，采用機器視覺技術的裂縫檢測具有高效、高精度、客觀性好等優勢。

然而，深度學習神經網絡最初設計于計算機領域多分類問題，目的設計出是高效、高準確并率適用于各種情景的通用神經網絡。在深度學習網絡進行混凝土裂縫識別時，裂縫類型不超過十種，通用網絡很容易產生參數的冗余、訓練時間以及硬件內存的浪費。因此，有必要發展輕量化、網絡收斂速度快，識別準確率高混凝土裂縫專用神經網絡。

發明內容

為解決上述問題，本發明提供了基于專用于混凝土海量圖像裂縫辨識的IR7-EC網絡模型的裂縫類型識別方法。

基于IR7-EC網絡的混凝土圖像裂縫類型迅捷智能識別方法，包括以下步驟：

搭建IR7-EC網絡模型；所述IR7-EC網絡模型包括依次連接的卷積層、7個InvertedResidual-ECA結構、CBAM注意力機制、池化層和多個全連接層；

其中，所述Inverted Residual-ECA結構為倒殘差結構與ECA注意力機制相連接構成；

將實拍的待檢測混凝土圖像輸入到訓練好的IR7-EC網絡模型中，通過卷積層獲得初步特征；

將初步特征依次通過7個Inverted Residual-ECA結構，獲得增強的混凝土裂縫特征提取圖；

將增強的混凝土裂縫特征提取圖輸入到CBAM注意力機制，進行通道和空間層面的特征提取，獲得蘊含裂縫信息更多的特征提取圖；

對特征提取圖進行數據降維和二維轉一維化處理，將提取到的一維裂縫圖像特征信息對輸入的混凝土裂縫圖像進行識別，輸出識別結果。

優選地，所述搭建IR7-EC網絡模型，具體包括以下步驟：

建立依次連接的13層網絡框架；

第1層包括卷積核3×3大小的卷積層、Batch normalization歸一化層和Hardswish激活函數，步長2，輸入通道3，輸出通道數16；

第2層到第8層為Inverted Residual-ECA結構，具體包括四部分：

第一部分：卷積核1×1大小的卷積層、Batch normalization歸一化層和ReLU6激活函數；

第二部分：卷積核3×3大小的卷積層、Batch normalization歸一化層和ReLU6激活函數；