[发明专利]一种桥梁病害自动识别方法

说明书

本发明提供了一种桥梁病害自动识别方法，包括如下步骤：S1：构建桥梁病害检测数据集；S2：将数据集划分为训练集和测试集；S3：基于卷积神经网络SSD构建桥梁病害的目标检测模型；并对S3中的构建的桥梁病害的目标检测模型进行训练，对训练后的桥梁病害的目标检测模型进行评估，如通过了评估标准，则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、种类及尺寸；本发明提供的桥梁病害自动识别方法可以自动检测出桥梁病害的位置、种类及尺寸，提高了检测精度以及效率。

技术领域

本发明涉及桥梁病害识别技术领域，更具体的说，涉及一种桥梁病害自动识别方法。

背景技术

根据最新统计数据，截至2017年，我国公路桥梁80余万座。30多年的大规模公路建设，初步形成了四通八达的公路网络，支撑着国民经济的持续发展。桥梁作为重要的公路资产，其技术状况(技术状况：指运营条件下的桥梁的健康情况)的变化发展直接关系到公路的通达、安全与舒适。全社会在充分肯定公路桥梁建设巨大成就的同时，对公路桥梁技术状况和通行效率的关注度越来越高，公路桥梁养护需求及资金需求的快速增长给我国公路桥梁养护造成巨大的压力。

基于中国公路桥梁管理系统(CBMS)中海量的桥梁部构件数据与桥梁病害数据及图片资源(10万张以上)，通过改进型的InceptionV3训练得到能自动匹配桥梁部构件的图像分类网络，另通过改进型的SSD训练得到能识别具体构件上病害的目标检测网络，两个网络组成卷积神网络系列，将算法模型可应用于手持检测设备或移动APP中，通过现场拍照自动识别桥梁的部构件和病害，从而大大提高现场桥梁病害信息录入效率和数据质量，也可应用于海量桥梁历史档案中的病害图像自动分类整理和关键信息提取工作，为桥梁养护工作和相关科研工作带来巨大便利。

近年来，国内外许多学者展开对于桥梁病害无损检测新方法的研究，卷积神经网络已经广泛应用于桥梁、道路、隧道的裂缝病害的检测中，并取得较好的效果。

例如，公开号为CN 108363961 A(基于卷积神经网络间迁移学习的桥梁支座病害识别方法)的专利文献，公开了一种基于卷积神经网络间迁移学习的桥梁支座病害识别方法，该专利仅针对桥梁支座的病害构建的识别训练集与测试集，并不能用于识别桥梁其他部构件和部构件上的具体病害，应用具有局限性。

公开号为CN 108288269 A(基于无人机与卷积神经网络的桥梁支座病害自动识别方法)的专利文献，提供了一种基于无人机与卷积神经网络的桥梁支座病害自动识别方法，该专利事实上在使用的方法和训练集同公开号为CN 108363961 A的专利文献，只是获取图像的手段换成了无人机。

公开号为CN 102842203 B(基于视频图像的桥梁病害监测方法)的专利文献，公开了一种基于视频图像的桥梁病害监测方法，属于桥梁监测方法技术领域，用于桥梁病害的实时监测，该专利使用基于小波变换图像对比的方法实现的病害图像识别，而非机器学习方法，识别效率和精度均达不到机器学习模型的效果。

又如张艳娇在论文(张艳娇.基于图像识别和机器学习的桥梁养护管理系统研究与实现[D].南京邮电大学,2018.)中，应用灰度-随机森林算法模型，通过比较图片的差异性来识别桥梁病害图片，经过灰度处理的图片会丢失一部分细节，从而影响识别准确率和召回率。

寇潇(寇潇.基于深度学习的桥梁裂缝检测算法研究[D].西安电子科技大学,2017.)使用了卷积神经网络(CNN)对桥梁裂缝进行检测，他的研究只针对桥梁裂本发明针对桥梁部构件和部构件上的多种典型病害进行图像识别和目标检测。

目前的研究多针对裂缝单一病害的识别，无法满足实际生产中对多病害分类识别的要求。识别算法的高准确率建立在高质量图像的基础上，缺少图像增强、复杂病害区域分割、易混淆病害特识别等情况的处理机制。

桥梁检测工程中通常采用移动APP或手持客户机获取桥梁病害的数据和图像记录，其采集病害的方式为“拍照-记录-上传”，该方式所存在的主要问题：