[发明专利]一种桥梁表面病害的检测方法

说明书

本发明公开了一种桥梁表面病害的检测方法，涉及桥梁病害防治领域，包括以下步骤：S1、采集桥梁表面病害样本，使用深度学习算法对样本进行训练学习，获得病害语义分割网络模型；S2、根据所述病害语义分割网络模型对病害图像进行分割，并将分割后图像转化为二值化图像；S3、计算识别单幅二值化图像的8连通区域，然后计算二值化图像中每个连通区域的面积；S4、对所有病害分割图像转化的二值化图像依次进行步骤S3计算，合并计算结果输出为病害检测结果。本发明的桥梁表面病害的检测方法便于获得各类病害区域的数目、面积、病害总面积和病害最大面积等指标，较现有技术提升了对桥梁病害的检测准确度和全面度。

技术领域

本发明涉及桥梁病害检测领域，具体涉及一种桥梁表面病害的检测方法。

背景技术

建筑物、公路、桥梁和隧道表面不可避免地存在病害，例如混凝土桥梁底面的掉块、露筋、蜂窝、麻面等，由于这些病害是影响桥梁安全的重要因素，因此，对桥梁结构进行定期检测，以便及时发现病害是否产生和生长是监控桥梁健康状况的有效手段。传统的检测方法是检测人员使用望远镜远距离观察桥底病害，或者通过搭建的桥底平台近距离观察桥底病害，检测人员手动记录病害的尺寸信息。由于桥底病害分布不规律，导致人工检测方法难度大，记录的病害数据受环境和人为因素影响大，病害尺寸数据的准确性差，可靠性低，而且搭建桥底平台花费大，周期长，危险性高。

随着图像采集、数字图像处理技术、深度学习算法的快速发展，目前出现了基于深度学习算法的进行桥梁病害识别的研究及方法，以实现对桥梁病害的自动分割。

但使用现有深度学习算法直接进行桥梁病害的识别统计时，由于桥梁病害的尺寸和边界范围对桥梁养护存在重要影响，在进行桥梁病害识别过程中，使用现有方法对病害的边界范围识别不够精确，难以直接获取桥梁病害的连通区域和准确计算病害尺寸。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种桥梁表面病害的检测方法，可对桥梁病害图像进行自动进行分割检测，并自动得出病害区域个数及面积的统计结果，病害边界识别明显。

为达到以上目的，本发明采取的技术方案是：

一种桥梁表面病害的检测方法，包括以下步骤：

S1、采集桥梁表面病害样本，使用深度学习算法对样本进行训练学习，获得病害语义分割网络模型；

S2、根据所述病害语义分割网络模型对病害图像进行分割，并将分割后图像转化为二值化图像；

S3、计算识别单幅二值化图像的8连通区域，然后计算二值化图像中每个连通区域的面积；

S4、对所有病害分割图像转化的二值化图像依次进行步骤S3计算，合并计算结果作为病害检测结果输出。

在上述技术方案的基础上，所述步骤S2中，对每一种病害图像标记唯一的病害标签。

在上述技术方案的基础上，所述步骤S2中，将分割后图像转化为多个二值化图像，每幅二值化图像中包括背景和一种病害标签的病害。

在上述技术方案的基础上，所述每幅分割后图像转化的二值化图像个数与病害标签数相同。

在上述技术方案的基础上，所述步骤S2中，根据图像中各像素的灰度值标记不同的病害标签。

在上述技术方案的基础上，所述步骤S3中，使用MATLAB的函数计算单幅二值化图像的8连通区域，然后采用函数计算二值化图像中每个连通区域的面积；

其中，img表示输入图像像素矩阵；L表示与img大小相同的矩阵，包含了标记img每个连通区域的类别标签；num表示img中连通区域的个数；structs表示矩阵L中每个连通区域的面积。