[發明專利]基于深度學習的混凝土裂縫識別系統及方法

在審

• 申請號: 202211061974.1
• 申請日: 2022-08-31
• 公開（公告）號: CN115482462A
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 王燕華;陳子彥;戴博聞;何俊澤
• 申請（專利權）人: 東南大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/764;G06V10/12;G06T7/73;G06T3/00;G06T3/20;G06N20/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 陳月菊

本發明公開了一種基于深度學習的混凝土裂縫識別系統及方法。其中，系統包括：裂縫圖像數據采集模塊，用于采集獲取混凝土表面裂縫圖像并輸出；圖像數據處理模塊，連接所述裂縫圖像數據采集模塊，根據所拍攝的混凝土表面裂縫圖像，對獲取的圖像進行預處理識別；裂縫識別模塊，利用基于剪枝先驗框的改進SSD算法模型對裂縫的圖像進行識別，對裂縫進行標識，并將結果進行儲存。本發明使得工程中對混凝土裂縫檢測識別過程更加容易可操作，另一方面也提高了檢測的識別精度和速率，尤其是在識別復雜環境的裂縫圖片時，表現出了很高的抗干擾能力。

技術領域

本發明屬于土木工程中非接觸檢測應用領域，尤其是一種用于復雜環境下的基于深度學習的混凝土裂縫識別系統及方法。

背景技術

在建設和運營過程中由于諸多因素而產生的各種裂縫作為橋梁或道路表面最普遍的病害，也是危害極大的病害之一。如果不及時進行監測及養護，則可能會進一步衍生出次生病害，對裂縫進行及時、準確的監測是路面及橋梁養護工作中最為關鍵的一環。單純依靠檢測人員在借助檢測設備的幫助下對混凝土結構進行檢測，工作強度大且效率低，還可能使檢測人員的安全受到威脅。利用計算機視覺處理圖像，外在環境會對該方法造成嚴重的影響導致檢測結果不正確，并且在對圖像進行處理的步驟中會出現許多噪音。而基于深度學習的檢測算法能夠在很好地處理圖像的同時，也能很精確地識別出目標，但是由于圖像噪聲無法完全消除，以及環境噪聲的干擾，無法對復雜環境下的裂縫進行檢測識別。目前，對于復雜環境下的裂縫識別效果并不理想，需要進一步改善。

發明內容

本發明目的是提供一種用于復雜環境下的基于深度學習的混凝土裂縫識別系統及方法，以解決以上問題。

一種基于深度學習的混凝土裂縫識別系統，包括：

裂縫圖像數據采集模塊，用于采集獲取混凝土表面裂縫圖像并輸出；

圖像數據處理模塊，連接所述裂縫圖像數據采集模塊，根據所拍攝的混凝土表面裂縫圖像，對獲取的圖像進行識別預處理；

裂縫識別模塊，利用基于剪枝先驗框的改進SSD算法模型對裂縫的圖像進行識別，對裂縫進行標識，并將結果進行儲存。

進一步的，所述裂縫圖像數據采集模塊，包括：拍攝平臺、高速SD存儲卡、服務器和數據庫。在確定檢測目標后，即可通過拍攝平臺對目標區域進行圖像采集，通過提前設置好預處理和識別系統的圖像提取路徑，實現對上傳到電腦的圖像進行實時識別并將圖像自動傳輸至服務器。

進一步的，所述拍攝平臺可采用無人機系統或普通智能手機或單反相機為載體，可根據設備條件和其他方面的要求進行選擇，采集到的圖像可通過本系統編寫的程序的自動傳輸至服務器，實現數據的實時傳輸。

進一步的，所述圖像數據處理模塊，通過圖像灰度化及修正，圖像濾波處理和裂縫標記定位，對獲取的圖像數據進行預處理，以加快識別的收斂速度。

進一步的，所述圖像灰度化及修正中將圖像像素的R、G、B分量采用分量法規則轉化為三者相等的形式，進行圖像灰度化；通過對灰度化的圖像進行直方圖均衡化可以對灰度進行再分配，使灰度值均勻地分布于灰度區間內，通過線性和非線性拉伸的灰度變換對圖像進行拉伸處理，對圖像進行灰度化修正。

進一步的，所述圖像濾波處理采用中值濾波方法，選取該像素點鄰近所有像素點灰度值的中值作為該點濾波處理后的像素值，從而消除在圖像中孤立的噪點。

進一步的，所述裂縫標記定位，采用LabelImg工具進行標記，先在圖像中標記出目標位置，后轉換為XML格式的文件，再傳輸到裂縫數據識別模塊的算法模型中進行識別。

所述裂縫數據識別模塊，采用基于剪枝先驗框的改進SSD算法建立的混凝土裂縫識別模型，通過將圖像傳輸到服務器后，即可利用訓練好的模型進行識別，并將識別出的裂縫及其分析內容回傳至智能端，同時將信息傳輸入數據庫進行備份。其可對復雜環境下的混凝土裂縫照片進行有效識別。