[发明专利]一种桥梁裂缝的检测方法及检测装置

权利要求书

1.一种桥梁裂缝的检测方法，其特征在于，所述检测方法包括：

获取采集图片，对所述采集图片进行数据扩充，并制作训练样本集和测试样本集；

构建全卷积神经网络；

通过所述训练样本集对所述全卷积神经网络进行训练得到训练好的全卷积神经网络；

将所述测试样本集输入所述训练好的全卷积神经网络对桥梁裂缝进行第一次确认；

运用贝叶斯决策理论对所述桥梁裂缝进行第二次确认。

2.根据权利要求1所述的检测方法，其特征在于，所述获取采集图片，对所述采集图片进行数据扩充，并制作训练样本集和测试样本集的步骤包括：

获取所述采集图片，从所述采集图片中划分出部分图片作为所述测试样本集，从所述采集图片中划分出另一部分图片以制作所述训练样本集；

将所述另一部分图片分割成若干54×54的小图片，获取分拣后的所述小图片得到有裂缝的小图片和无裂缝的小图片，将所述有裂缝的小图片和无裂缝的小图片作为初始数据集；

采用旋转、滤波、亮度调整的方式，将每个所述小图片扩充为多张图片；

将所述小图片打上标签，其中，所述有裂缝的小图片记为1，所述无裂缝的小图片记为0，以得到训练样本集。

3.根据权利要求2所述的检测方法，其特征在于，所述构建全卷积神经网络的步骤包括：

建立卷积层，在进行卷积运算时，不对输入图像进行边缘填充；

建立池化层；

建立输出层，所述输出层中将全连接层变更为所述卷积层；

建立损失函数。

4.根据权利要求3所述的检测方法，其特征在于，所述通过所述训练样本集对所述全卷积神经网络进行训练得到训练好的全卷积神经网络的步骤包括：

计算所述卷积层的梯度并更新；

计算所述池化层的梯度并更新。

5.根据权利要求4所述的检测方法，其特征在于，所述将所述测试样本集输入训练好的全卷积神经网络进行桥梁裂缝进行第一次确认的步骤包括：

将所述测试样本集中的图片输入所述训练好的全卷积神经网络，输出所述图片中每个54×54小窗的得分，其中所述得分包括所述小窗为且桥梁裂缝的第一得分和所述小窗为桥梁裂缝的第二得分；

若判断到所述第一得分大于所述第二得分，则确认所述小窗为所述桥梁裂缝；

若判断到所述第一得分小于所述第二得分，则确认所述小窗为背景。

6.根据权利要求5所述的检测方法，其特征在于，所述运用贝叶斯决策理论对所述桥梁裂缝进行第二次确认的步骤包括：

选取所述小窗的3×3邻域；

根据所述小窗的3×3邻域的得分，运用贝叶斯决策理论，对所述桥梁裂缝进行第二次确认。

7.根据权利要求6所述的检测方法，其特征在于，根据所述小窗的3×3邻域的得分，运用贝叶斯决策理论，对所述桥梁裂缝进行第二次确认的步骤包括：

根据所述小窗的3×3邻域的得分，统计出所述小窗为桥梁裂缝的第一后验概率和所述小窗为背景的第二后验概率；

若判断到所述第一后验概率大于所述第二后验概率，则确认所述小窗为桥梁裂缝；

若判断到所述第一后验概率小于所述第二后验概率，则确认所述小窗为背景。

8.根据权利要求3所述的检测方法，其特征在于，所述输出层包括卷积层，所述卷积层输出所述输入图像为桥梁裂缝的得分和所述输入图像为背景的得分。

9.根据权利要求1所述的检测方法，其特征在于，所述获取采集图片的步骤包括：

通过人工输入或者从无人机中获取所述采集图片。

10.一种桥梁裂缝的检测装置，所述检测装置包括存储器和处理器，所述存储器连接所述处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-9任一项所述的检测方法。