[发明专利]一种基于CNN深度学习的桥梁裂缝检测定位方法

权利要求书

1.一种基于CNN深度学习的桥梁裂缝检测定位方法,包括以下步骤:

步骤一、建立并训练深度学习模型；

步骤二、采集一张彩色桥梁裂缝的图片作为待检测图像；

步骤三、使用步骤一得到的训练好的模型对待检测图像进行检测,并记录由所述训练好的模型识别出所有桥梁裂缝面元的横纵坐标,然后统计桥梁裂缝面元的个数，记为N；

所述训练好的模型在识别桥梁裂缝面元时采用窗口滑动算法，所述窗口滑动算法的计算过程如式(1)所示:

其中,P_b(x)和P_c(x)为在本次识别过程中,桥梁背景面元和桥梁裂缝面元所识别的概率；f(x)为0,表示当前的桥梁面元图像为桥梁背景面元,f(x)为1,表示当前的桥梁面元图像为桥梁裂缝面元,t为一个概率区分阈值；

步骤四、使用简单选择排序算法对步骤三记录的所有桥梁裂缝面元的横纵坐标分别进行排序,挑选出最小的横纵坐标和最大的横纵坐标组成两个新的坐标点,将两个新的坐标点作为对角点在待检测图像上画出矩形区域,该矩形区域为桥梁裂缝在待检测图片中的位置。

2.根据权利要求1所述的一种基于CNN深度学习的桥梁裂缝检测定位方法,其特征在于,所述步骤二和步骤三之间还具有算法的加速步骤,所述加速步骤采用高斯金字塔和ROI区域相结合的加速策略,所述加速步骤具体为:

J01.利用高斯金字塔对待检测图像进行降采样,得到低分辨率图像；

J02.利用步骤一中训练好的模型对J01中的低分辨率图像进行检测,并记录由所述训练好的模型识别出所有桥梁裂缝面元的横纵坐标；

J03.使用简单选择排序算法对J02中记录的所有桥梁裂缝面元的横纵坐标分别进行排序,将最小的横纵坐标组成一个最小坐标点,将最大的横纵坐标也组成一个最大坐标点,并将最小坐标点和最大坐标点代入式(3)中,求解出两个新的坐标点,式(3)如下所示:

x_h＝(x_l)*2ⁿ

y_h＝(y_l)*2ⁿ(3)

其中,x_l,y_l为低分辨率图像上确定位置的横纵坐标,x_h,y_h为待检测图像上确定位置的横纵坐标,n为高斯金字塔向下采样的次数；

J04.将J03中的两个新的坐标点作为对角点在待检测图像上确定矩形区域,并将该矩形区域设为ROI感兴趣区域。

3.根据权利要求1所述的一种基于CNN深度学习的桥梁裂缝检测定位方法,其特征在于,所述步骤一具体为:

第一步,建立深度学习模型；

第二步,采集大量彩色的桥梁裂缝图片,对采集的图片进行数据集扩增；

第三步,利用扩增后的数据集训练深度学习模型,得到训练好的模型。