[发明专利]一种桥梁病害自动识别方法

权利要求书

1.一种桥梁病害自动识别方法，其特征在于，包括如下步骤：

S1：构建桥梁病害检测数据集；

对现场采集的每一张带有病害的桥梁图像根据建立的桥梁病害特征字典进行标注，标注桥梁的病害位置及种类，具体为在病害处绘制长方形框体，生成一个数据文件，每个数据文件标注图像的名称、大小、类型、病害出现的位置坐标、病害种类及病害尺寸；将多个标注后的数据文件构建为桥梁病害检测数据集；

S2：将步骤S1中构建的桥梁病害检测数据集通过随机抽样划分为5:1的数量，前者作为训练集训练模型，后者作为测试集评估模型质量；

S3：基于卷积神经网络SSD构建桥梁病害的目标检测模型；

S4：将步骤S2中的训练集输入步骤S3中的目标检测模型提取尺度不同的特征层，并得到相应的特征图；

S5：采用先验的默认框机制将尺度不同的特征图生成默认框；

S6：目标检测模型预测每个默认框的形状偏移，得到预测值为(cx,cy,cw,ch)；

S7：将数据集中标注桥梁的病害位置信息及类别信息记为GT，对生成的默认框与GT进行匹配；将成功匹配的默认框标记为正样本，反之为负样本；

S8：计算正样本的默认框与GT的形状偏移量，得到目标值为(cx’,cy’,cw’,ch’)；

S9：根据步骤S6中得到的预测值和步骤S8中得到的目标值计算Lloc；

S10：分别计算步骤S7中的正样本和负样本的置信度；

S11：根据步骤S10中的正样本和负样本的置信度计算Lconf；

S12：计算最终的损失值L；

其中，最终的损失值L根据公式(1)确定：

L＝(1/N)*(Lconf+a*Lloc) (1)

其中，a为Lloc的比率，N为正、负样本默认框的数量和；

S13：根据最终的损失值L，利用反向传播算法和SGD算法对目标检测模型的参数进行更新；

S14：利用步骤S2中的测试集对更新参数后的目标检测模型进行评估；

如符合评估标准后，则进入步骤S15，若不符合评估标准，则重复步骤S4-S13；

S15：将待检测的带有病害的桥梁图像输入更新参数后的目标检测模型，通过特征融合确定最终的病害位置及种类。

2.如权利要求1所述的桥梁病害自动识别方法，其特征在于，所述提取尺度不同的特征层的步骤如下：

所述目标检测模型包括基础网络部分和附加网络部分；

a、将步骤S2中的训练集输入目标检测模型的基础网络部分，依次使用卷积操作和最大池化操作对训练集中的图像进行特征提取处理，得到高维特征图；

b、将高维特征图输入目标检测模型的附加网络部分，进行若干次卷积操作，获得若干个尺度不同的特征层。

3.如权利要求1所述的桥梁病害自动识别方法，其特征在于，步骤S5中生成的默认框与GT的匹配策略为：首先，匹配与GT Jaccard重叠率最大的默认框，其次，匹配与GT Jaccard重叠率高于0.5的默认框，将成功匹配的默认框标记为正样本，反之为负样本。

4.如权利要求1所述的桥梁病害自动识别方法，其特征在于，所述步骤S6中具体操作过程为：对每个特征图分别进行卷积操作，输出每个特征图的每个位置上的预测的默认框的四个偏移量，即中心位置的偏移和长宽的偏移，依次为(cx,cy,cw,ch)，即得到预测值。

5.如权利要求1所述的桥梁病害自动识别方法，其特征在于，步骤S9中计算Lloc根据公式(2)确定：

Lloc＝∑smoothL1(目标值-预测值) (2)

其中，预测值为(cx,cy,cw,ch)，目标值为(cx’,cy’,cw’,ch’)。

6.如权利要求1所述的桥梁病害自动识别方法，其特征在于，步骤S11中计算Lconf根据公式(3)确定：

Lconf＝∑-log(正样本置信度)-∑log(1-负样本置信度) (3)。