[發明專利]混凝土構件損傷檢測與評估方法及其系統在審
| 申請號: | 202310215204.6 | 申請日: | 2023-03-08 |
| 公開(公告)號: | CN116152219A | 公開(公告)日: | 2023-05-23 |
| 發明(設計)人: | 楊鑠;許清風;徐佳琦 | 申請(專利權)人: | 上海市建筑科學研究院有限公司;上海建科預應力技術工程有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06T7/11;G06T3/40;G06T7/68;G06V10/82;G06V10/88;G06V10/764 |
| 代理公司: | 上海九澤律師事務所 31337 | 代理人: | 周啟安 |
| 地址: | 200032 上*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 混凝土 構件 損傷 檢測 評估 方法 及其 系統 | ||
本申請涉及一種混凝土構件損傷檢測與評估方法及其系統,包括:獲取第一圖像并對第一圖像進行裁剪,以獲取第二圖像,第一圖像為已有試驗及實際工程中受損混凝土構件的局部圖像。通過多段線對第二圖像標注后生成標注文件和標注圖像。對標注文件進行處理以適應損傷目標分割模型,并在標注圖像和標注文件對目標分割模型訓練后,獲取相應的最優權重參數。獲取第三圖像,并基于最優權重參數和損傷目標分割模型對第三圖像進行識別,以得到第三圖像中混凝土構件損傷的掩碼和損傷類型。當損傷類型為裂縫時,基于掩碼提取混凝土構件真實裂縫對應的像素點。獲取圖像采集設備的像素解析度,并根據像素解析度獲取像素點和其他損傷掩碼對應的幾何參數。
技術領域
本申請涉及受損建筑結構損傷檢測技術領域,特別是涉及一種混凝土構件損傷檢測與評估方法及其系統。
背景技術
鋼筋混凝土(Reinforced?Concrete,簡稱RC)結構在我國建筑結構中應用廣泛,此類結構在服役期間出現劣化的問題較為突出,并且在遭遇破壞性地震后易出現較大程度的損傷。針對受損RC結構進行損傷檢測,并對震后結構的安全性進行評估,可為判斷RC結構的安全性以及RC結構的維護、維修和加固或拆除提供科學的評判和決策依據,對規避和控制災害具有重要意義。
目前,針對RC結構的損傷檢測方法主要為人工檢測,依靠結構工程專業技術人員在工程或震害現場進行檢查或調查,通過肉眼觀察、拍照等手段結合使用裂縫尺、裂縫觀測儀等工具,記錄受損RC結構的表觀損傷現象。然而,使用該方法易造成錯檢、漏檢,由于檢測的主觀性較強,導致檢測準確率較低。同時,檢測過程耗時費力,也使該方法難以滿足震后結構損傷快速檢測的要求。隨著數字圖像處理技術和機器學習方法的日益成熟,檢測人員在現場采集到受損結構構件圖像后,可通過圖像預處理、降噪、特征提取和特征分類等操作來檢測圖像中的損傷目標。然而,檢測人員所采集的圖像,往往干擾較多且背景信息復雜,損傷目標亦復雜多樣,而基于圖像處理和傳統機器學習的檢測方法一般使用人工設計特征,其層次級別較低,代表性和可分性不足,使基于傳統計算機視覺的損傷檢測方法較難適應復雜多樣的結構損傷檢測。
為提高建筑結構損傷檢測的效率和準確率,近年來,工程人員使用基于卷積神經網絡(ConvolutionalNeuralNetwork,簡稱CNN)的深度學習方法來識別結構損傷。深度學習方法相比傳統的機器學習方法具有更強大的特征學習和表達能力,可提取圖像中更加多樣和抽象的特征。目前,針對RC結構的損傷識別,基于CNN的方法主要分為基于目標檢測的方法和基于圖像分割的方法,前者典型代表有Faster?R-CNN,已被用于鋼結構病害和RC結構裂縫的檢測,但僅能對損傷進行分類和定位,若要分析損傷的物理參數,如裂縫寬度、長度等,需要在使用CNN模型得到損傷類型和位置信息的基礎上,附加采用大量復雜的圖像處理操作。后者的典型代表有U-Net,已被用于RC結構損傷的檢測,但僅能對損傷進行分類和語義分割,無法直接確定損傷在結構中的位置。
因此,針對量大面廣的RC結構構件,傳統的RC構件損傷檢測評估的方法無法一次性完成常見損傷類型的定位、分類和分割,在對RC構件損傷檢測評估時需要大量的人力成本,且檢測評估結果往往不夠準確。
發明內容
基于此,有必要針對上述技術問題,提供一種能有效節省人力成本、一次性完成損傷定位、分類和分割且檢測評估結果較準確的混凝土構件損傷檢測與評估方法及其系統。
第一方面,本申請提供一種混凝土構件損傷檢測與評估方法,所述方法包括:
獲取第一圖像并對所述第一圖像進行裁剪,以獲取第二圖像,所述第一圖像為已有試驗及實際工程中受損混凝土構件的局部圖像,所述第二圖像為適應損傷目標分割模型的混凝土構件的損傷圖像;
獲取標注文件和標注圖像,所述標注文件為通過多段線對所述第二圖像標注后生成的,所述標注圖像為所述多段線對所述第二圖像標注后生成的圖像;
對所述標注文件進行處理以適應所述損傷目標分割模型,并在所述標注圖像和標注文件對目標分割模型訓練后,獲取相應的最優權重參數;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海市建筑科學研究院有限公司;上海建科預應力技術工程有限公司,未經上海市建筑科學研究院有限公司;上海建科預應力技術工程有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202310215204.6/2.html,轉載請聲明來源鉆瓜專利網。





