[發(fā)明專利]一種裂縫銹蝕自動識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211267017.4
• 申請日: 2022-10-17
• 公開（公告）號: CN115564739A
• 公開（公告）日: 2023-01-03
• 發(fā)明（設計）人: 趙盈皓;胡賀松;季璇;丁威;蘇定立
• 申請（專利權）人: 廣州建設工程質(zhì)量安全檢測中心有限公司;廣州建筑股份有限公司;廣州市建筑科學研究院集團有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08;H04L65/60
• 代理公司: 深圳國海智峰知識產(chǎn)權代理事務所(普通合伙) 44489
• 代理人: 劉軍鋒

本發(fā)明涉及一種裂縫銹蝕自動識別方法及系統(tǒng)，包括：裂縫銹蝕自動檢測設備采集建筑表觀圖像，將建筑表觀圖像輸入至壓縮采樣模型后得到圖像壓縮值，并將圖像壓縮值傳輸至后臺終端；后臺終端將接收到的圖像壓縮值輸入至圖像重構(gòu)模型，得到重構(gòu)后建筑表觀圖像，并將重構(gòu)后建筑表觀圖像輸入至裂縫銹蝕識別模型進行裂縫銹蝕識別檢測；壓縮采樣模型、圖像重構(gòu)模型以及裂縫銹蝕識別模型，為根據(jù)聯(lián)合訓練策略，對預設的壓縮采樣神經(jīng)網(wǎng)絡、圖像重構(gòu)神經(jīng)網(wǎng)絡以及裂縫銹蝕檢測神經(jīng)網(wǎng)絡進行聯(lián)合訓練得到。本發(fā)明提供的方法及系統(tǒng)，可克服光照陰影和建筑表觀污漬痕跡等的干擾，并在實現(xiàn)高壓縮度的同時保證重構(gòu)圖像的高保真度，能夠更為準確的識別到裂縫銹蝕。

技術領域

本發(fā)明涉及建筑結(jié)構(gòu)安全檢測技術領域，具體涉及一種裂縫銹蝕自動識別方法及系統(tǒng)。

背景技術

銹蝕裂縫作為最常見的病害形式，被列為建筑結(jié)構(gòu)安全檢測的重要內(nèi)容。現(xiàn)有的銹蝕裂縫檢測任務主要依賴人工目檢執(zhí)行，以大型橋梁為例，一般利用橋檢車等設備搭乘檢測人員靠近橋梁底部等銹蝕裂縫開展的高風險部位，并攜帶裂縫觀測儀等輔助設備進行識別和檢測。人工目檢過程復雜、檢測成本較高、效率低下，同時對于大跨度橋梁的高墩柱，橋檢車的云梯因長度有限也難以接近，造成識別質(zhì)量較低，無法對建筑上的銹蝕裂縫進行有效檢測，即使發(fā)現(xiàn)銹蝕裂縫會對各類建筑結(jié)構(gòu)的安全帶來極大威脅。

機器人空間靈活性強，可利用其采集建筑表觀圖像，進而根據(jù)采集到的建筑表觀圖像進行進一步的圖像檢測，識別是否存在裂縫銹蝕。2019年，華南理工大學張浩然、賀志勇等在相關的研究基礎上，提出了一種基于無人機視覺的橋梁底面裂縫檢測方法(專利公開號為CN109521019A)，該方法通過搭載可變焦高清相機的無人機對所要檢測的橋跨分塊進行拍攝得到若干RGB彩色圖像，進一步得到灰度圖像后進行圖像增強及降噪濾波處理，再利用MATLAB軟件將圖像二值化，分割出清晰的裂縫圖像，使用投影的方法在多軸方向上投影計算,從而識別對應裂縫類型。

然而上述技術無法克服光照陰影、橋梁表觀痕跡的干擾，易產(chǎn)生錯誤的裂縫檢測結(jié)果。同時在實踐中，海量的采集圖像數(shù)據(jù)需要通過無線傳輸傳輸至地面站，需要大量電力、通信和存儲資源；而如果在無線傳輸之前對采集到的圖像數(shù)據(jù)進行數(shù)據(jù)壓縮后再傳輸，壓縮度越高，雖然所需電力、通信和存儲資源越少，但是通過圖像復原技術保持高圖像質(zhì)量的難度就越大，而高幀率和高保真度的圖像數(shù)據(jù)是對橋梁等建筑進行精準病害檢測的關鍵。因此開發(fā)出壓縮度高且數(shù)據(jù)失真很小的方法，實現(xiàn)高效可靠地傳輸大規(guī)模序列圖像數(shù)據(jù)是至關重要的，目前針對該方面的研究尚不成熟，是本領域亟需解決的問題。

發(fā)明內(nèi)容

針對上述問題，本發(fā)明提供一種裂縫銹蝕自動識別方法及系統(tǒng)。

本發(fā)明提供的裂縫銹蝕自動識別方法包括：裂縫銹蝕自動檢測設備采集建筑表觀圖像，將建筑表觀圖像輸入至壓縮采樣模型后得到圖像壓縮值，并將圖像壓縮值傳輸至后臺終端；

后臺終端將接收到的圖像壓縮值輸入至圖像重構(gòu)模型，得到重構(gòu)后建筑表觀圖像，并將重構(gòu)后建筑表觀圖像輸入至裂縫銹蝕識別模型進行裂縫銹蝕識別檢測；

壓縮采樣模型、圖像重構(gòu)模型以及裂縫銹蝕識別模型，為根據(jù)聯(lián)合訓練策略，對預設的壓縮采樣神經(jīng)網(wǎng)絡、圖像重構(gòu)神經(jīng)網(wǎng)絡以及裂縫銹蝕檢測神經(jīng)網(wǎng)絡進行聯(lián)合訓練得到。

進一步的，根據(jù)聯(lián)合訓練策略，對預設的壓縮采樣神經(jīng)網(wǎng)絡、圖像重構(gòu)神經(jīng)網(wǎng)絡以及裂縫銹蝕檢測神經(jīng)網(wǎng)絡進行聯(lián)合訓練包括：

對壓縮采樣神經(jīng)網(wǎng)絡和圖像重構(gòu)神經(jīng)網(wǎng)絡進行第一次預訓練，在訓練過程中保持圖像重構(gòu)神經(jīng)網(wǎng)絡的損失值收斂至少30個訓練周期；

對裂縫銹蝕檢測神經(jīng)網(wǎng)絡進行第二次預訓練；