[發明專利]用于混凝土結構超聲斷層掃描圖像的數據增強方法及裝置

在審

• 申請號: 202211335574.5
• 申請日: 2022-10-28
• 公開（公告）號: CN115689924A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 舒江鵬;楊涵;江天任;段元鋒
• 申請（專利權）人: 浙江大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/0475;G06N3/0455;G06N3/094;G06N3/0464
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

本發明公開了一種用于混凝土結構超聲斷層掃描圖像的數據增強方法，包括：步驟1、獲取自制鋼筋混凝土構件的超聲B掃描圖，以自制鋼筋混凝土構件的截面裂縫情況進行標簽標注，生成超聲B掃描圖對應的截面裂縫圖，將超聲B掃描圖和截面裂縫圖組成數據集；步驟2、基于pixel?to?pixel結構構建的生成對抗網絡，所述生成對抗網絡包括生成器與判別器；步驟3、采用博弈手段對生成對抗網絡進行訓練，獲得用于生成虛擬超聲B掃描圖的圖像生成模型；步驟4、將自制截面裂縫圖輸入至圖像生成模型中，獲得對應的虛擬超聲B掃描圖。本發明還提供了一種數據增強裝置。本發明提供的方法可以解決因實驗數據體量小不便于后續應用深度學習對混凝土結構自動化無損檢測的問題。

技術領域

本發明涉及混凝土結構無損檢測領域，尤其涉及一種基于深度學習的混凝土結構圖像數據增強方法及裝置。

背景技術

混凝土結構在使用過程中不可避免地會受到荷載、環境侵蝕等各種因素的耦合作用，在表面和內部產生各種損傷從而嚴重影響其使用的安全性與實用性。目前超聲斷層掃描的方法可以獲取混凝土結構內部損傷的相關信息，但掃描生成的原始圖像不便于檢測人員對損傷情況的判斷。應用深度學習方法可以由原始B掃描圖像重建出混凝土結構斷面的真實形態，從而檢測出其內部裂縫等缺陷。然而，深度學習以數據驅動，其實現需要大量的數據作為基礎。

數據量過少容易導致模型的過擬合從而影響其在實際工程中的泛化能力。通過實驗的方法獲取B掃描圖像需要消耗大量的人力物力，即僅靠實驗和工程實踐中獲得的數據難以達到深度學習需要的數據量。因此，需要通過其他方法進行數據集的擴充。

專利文獻CN114778693A公開了一種基于超聲波的混凝土結構應力裝檢測系統，該方法包括超聲傳播走時測試模塊，用于使超聲波透射混凝土，并對混凝土中的超聲傳播走時進行測試，得到超聲波在混凝土中的超聲傳播走時；結構應力計算模塊，用于根據所述超聲傳播走時計算得到混凝土結構應力。該方法僅通過聲波數據進行計算，但進一步的損傷狀態判斷仍需后續處理，且混凝土中聲波的傳播介質并不均勻，會導致最終結果并不準確。

專利文獻CN115165910A公開了一種基于圖像識別的混凝土表觀質量缺陷檢測系統及方法，系統包括預制生產線、狀態轉換平臺、吊裝系統以及檢測流水線，通過預制生產線完成混凝土預制構件的生產和運輸；通過狀態轉換平臺進行脫模前的混凝土預制構件的姿態調整；通過吊裝系統完成脫模前的混凝土預制構件的脫模和吊裝，并運送至檢測流水線；通過檢測流水線的高清攝像頭攝像，并通過圖像處理系統，基于深度學習算法判斷表觀質量缺陷類型，實現質量檢測。該方法需要大量樣本圖像對圖像識別模型進行訓練，成本較高且耗時長。

發明內容

為了解決上述問題，本發明提供了一種數據增強方法，該方法可以有效地解決了鋼筋混凝土制備消耗大量人力物力的問題，從而提高用于訓練算法模型的數據集體量，進一步提高了算法模型的泛化能力。

一種用于混凝土結構超聲斷層掃描圖像的數據增強方法，包括：

步驟1、獲取自制鋼筋混凝土構件的超聲B掃描圖，以自制鋼筋混凝土構件的截面裂縫情況進行標簽標注，生成超聲B掃描圖對應的截面裂縫圖，將超聲B掃描圖和截面裂縫圖組成數據集；

步驟2、基于pixel-to-pixel結構構建的生成對抗網絡，所述生成對抗網絡包括生成器與判別器，所述生成器包括U-Net為結構基礎的編碼器和解碼器，所述編碼器用于對輸入的截面裂縫圖進行降采樣操作，獲得對應的特征圖像，所述解碼器用于對特征圖像進行反卷積上采樣，獲得對應的虛擬超聲B掃面圖，所述判別器用于判斷輸入圖像的真實性；

步驟3、利用步驟1獲得的數據集，采用博弈手段對生成對抗網絡進行訓練，直至判別器無法判斷圖像是否由生成器生成，獲得用于生成虛擬超聲B掃描圖的圖像生成模型；

步驟4、將自制截面裂縫圖輸入至所述圖像生成模型中，獲得對應的虛擬超聲B掃描圖，將自制截面裂縫圖與對應的虛擬超聲B掃描圖作為用于擴充數據集體量的增強數據集。