[发明专利]一种采用采集机器人和深度学习算法的钢箱梁巡检方法

说明书

本发明涉及一种采用采集机器人和深度学习算法的钢箱梁巡检方法，包括以下步骤：1)确定采集机器人的巡检路线并进行导航行走；2)采集机器人在巡检路线上实时采集钢箱梁内部的表观信息；3)采用裂缝进行识别和定位的深度学习算法进行识别和定位。与现有技术相比，本发明具有自动化、效率高、便于拍摄、精度高、识别精度高等优点。

技术领域

本发明涉及钢箱梁裂缝监测领域，尤其是涉及一种采用采集机器人和深度学习算法的钢箱梁巡检方法。

背景技术

目前，对桥梁钢箱梁裂缝的检测多依靠人工巡检，通过目测或磁粉法等识别和定位钢箱梁裂缝。这种人工巡检检测周期长，无法及时反应钢箱梁裂缝的情况。并且对裂缝的判定标准较为主观，识别精度较低。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种采用采集机器人和深度学习算法的钢箱梁巡检方法。

本发明的目的可以通过以下技术方案来实现：

一种采用采集机器人和深度学习算法的钢箱梁巡检方法，包括以下步骤：

1)确定采集机器人的巡检路线并进行导航行走；

2)采集机器人在巡检路线上实时采集钢箱梁内部的表观信息；

3)采用裂缝进行识别和定位的深度学习算法进行识别和定位。

所述的步骤1)具体包括以下步骤：

11)根据钢箱设计图纸，根据采集机器人摄像头的视角及精度要求，获取巡检一个标准梁段的最短路径；

12)采集机器人在行走时通过摄像头提取梁段内的视觉特征，用以导航和定位，并且采用步进电机驱动履带进行前进和差速转弯，用以跨越底板U肋非平面，同时结合三轴运动传感器，对自身位置进行精确控制。

所述的步骤3)具体包括以下步骤：

31)采用Faster-RCNN两层检测模型作为深度学习算法的框架，并进行深度学习训练；

32)导出训练好的模型，并根据该模型对实时采集到的图片进行裂缝识别和定位，并集合采集点信息将裂缝映射到全桥的BIM模型中。

所述的步骤31)具体包括以下步骤：

先采用特征提取网络将训练原图提取成高维向量组成的特征图，然后采用区域推荐网络生成不同大小的裂缝候选框，对候选框内可疑的区域确定裂缝的等级和位置，使用标记好的标准化图集训练算法中的参数，并以两者与实际的误差之和作为惩罚函数进行深度学习。

所述的步骤1)中，采集机器人包括主控模块以及分别与主控模块通信的运动模块、导航模块和采集模块，所述的主控模块采用单片机，所述的运动模块包括步进电机和三轴传感器，所述的导航模块包括导航用摄像头和红外线距离传感器，所述的采集模块包括采集云台以及设置在采集云台上的采集传感器和采集辅助设备。

所述的采集传感器为摄像头，所述的采集辅助设备为补光器。

与现有技术相比，本发明具有以下优点：

一、自动化、效率高：经相关调研，现有的箱梁病害采集技术多为人工巡检，或利用高清相机辅助，人工逐节检测，对于单片箱梁节段，由于需要检测部位经常位于人难以到达的地方，若逐孔检测则需要多次架设梯子等辅助工具并上下爬行，效率十分缓慢，该工法能在箱梁需要检测部位一侧放置并调试好相应的机器人后，即可自动进行行走并对相关部位自动拍照，相对于人工，所耗时间减去了相应位置架设设备并进行相应人工操作的时间，因此采集时间能够减少。