[发明专利]基于计算机视觉的桥梁钢结构裂缝精准识别方法

说明书

本发明涉及一种基于计算机视觉的桥梁钢结构裂缝精准识别方法，解决了现有的桥梁钢箱梁裂缝识别自动化程度过低以及相应智能算法的缺点，方法包括：使用钢箱梁常见部位裂缝图像作为原始数据，进行像素级别的人工标注，获得使用不同颜色表示不同类别的标注图像；将原始图像及标注图像进行分割，将标注图像按照不同颜色提取后分配不同数字来做标签标记不同类别；将训练集输入至深度全卷积神经网络中进行训练，将待识别的图像切割后输入至训练好的神经网络中，得到像素级识别结果后进行拼接返回原始图像尺寸的像素级识别结果。本发明便捷、准确，提升了钢箱梁裂缝识别结果的准确度和稳定性。

技术领域

本发明涉及桥梁工程健康监测以及检测养护领域，具体涉及一种基于计算机视觉的桥梁钢结构裂缝精准识别方法。

背景技术

桥梁是交通运输大动脉中的咽喉。近年来，桥梁建设步入高潮，愈来愈多的建成桥梁服役，为提高我国交通运输效率、拉动我国经济快速增长起到了不可忽视的作用。钢箱梁作为桥梁尤其是长大桥梁的主要组成部分，已在我国和世界上得到了非常广泛的应用。然而，由于车辆荷载的往复循环作用，钢箱梁的U型肋与顶板结合处较容易产生微小裂缝，这些裂缝的开展会对钢箱梁的正常服役产生巨大的不利影响，因此钢箱梁裂缝的检测成为了近年来科学界和产业界研究的热点问题。近年来随着桥梁健康监测技术的发展，研究人员发展出多种基于振动的无损探伤检测方法用来检测钢箱梁结构表面和内部的损伤。然而，这些方法存在着一些不可避免的缺点：一是作用范围过小，由于这些方法受环境和结构本身振动影响过大，因此只能在比较小的范围内进行检测；二是所需硬件设备过于复杂，成本过高，而且对于环境鲁棒性不强。

目前随着计算机视觉的火热发展，使用计算机视觉技术进行钢箱梁病害的检测和识别进入到了研究人员的考虑范围。然而，大多数的基于计算机视觉的裂缝检测方法都是基于图像分类原理，无法精确到像素级别，这对于后续的裂缝定量识别存在着巨大的隐患。因此，如何针对钢箱梁易损部位原始图像，提出一个有效的鲁棒的裂缝识别方法，将钢箱梁裂缝识别的精度提升到像素级，是一个亟待研究的问题。

发明内容

本发明的目的是为了解决现有的桥梁钢箱梁裂缝识别自动化程度过低以及相应智能算法的缺点，提出一种基于计算机视觉的桥梁钢结构裂缝精准识别方法，包括如下步骤：

步骤一、使用常见钢箱梁常见部位裂缝图像作为原始数据，进行像素级别的人工标注，获得使用不同颜色表示不同类别的像素级标注图像；

步骤二、将原始图像及标注图像按照一定尺寸进行分割，以降低计算成本，将标注图像按照不同颜色提取后分配不同数字来做标签标记不同类别；

步骤三、将训练集输入至深度全卷积神经网络中进行训练，训练过程中使用的损失函数为Dice相关系数损失函数，优化算法为自适应矩估计优化算法；

步骤四、将待识别的桥梁钢箱梁相关部位图像切割后输入至训练好的神经网络中，得到像素级识别结果后进行拼接返回原始图像尺寸的像素级识别结果。

本发明还具有如下技术特征：

1、如上所述的步骤一具体包括步骤如下：

一、使用钢箱梁裂缝病害图像数据库，图像尺寸4000×3000像素以上；

二、对原始图像使用像素标注工具进行不同种类的标注，以不同颜色覆盖不同种类区域；

三、将原始图像和标注图像同时进行水平翻转、垂直翻转，或者将原始图像进行BGR三个通道施加10％的干扰，分别得到翻转或干扰后的原始图像及其对应的标注图像。

2、如上所述的步骤三中深度全卷积神经网络的各层的结构为：

L1-0层：输入的宽度为512，深度为3；执行卷积层操作，卷积层操作的宽度为3，数量为32，步距为1，补零为1；