[发明专利]一种基于深度学习与声呐成像的水下桥墩构件分割方法在审
| 申请号： | 201911100071.8 | 申请日： | 2019-11-12 |
| 公开（公告）号： | CN110853041A | 公开（公告）日： | 2020-02-28 |
| 发明（设计）人： | 侯士通;吴刚;董斌 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06T7/10 | 分类号： | G06T7/10;G06T5/00;G06N3/04 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 211189 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 声呐 成像 水下 桥墩 构件 分割 方法 | ||
1.一种基于深度学习与声呐成像的水下桥墩构件分割方法，其特征在于，包括以下步骤：
(1)利用侧声声呐设备获取水下桥墩图片，形成数据集，并设置每张图片的大小；
(2)利用数据增强的方法对数据集进行扩充，并对每张图片进行标注；
(3)将数据集按照一定比例划分为训练测试集、验证集和测试集；
(4)建立深度学习Mask RCNN模型，对步骤(1)中的水下桥墩声呐成像数据集进行训练，提取图像的特征，获取病害的位置坐标信息，保存训练好的Mask RCNN模型与参数；
(5)用声呐设备对水下桥墩进行扫描，利用图像均值滤波和高斯滤波方法，去除图像的椒盐噪声；
(6)利用步骤(4)中得到的具有分割水下桥墩构件声呐成像图片的卷积神经网络模型，去自动分割步骤(5)中得到的图片，并标记出桥墩、桩基以及河床的边界位置和信息。
2.根据权利要求1所述的一种基于深度学习与声呐成像的水下桥墩构件分割方法，其特征在于，步骤(1)所述的每张图片大小为1200x1200 pixel。
3.根据权利要求1所述的一种基于深度学习与声呐成像的水下桥墩构件分割方法，其特征在于，步骤(2)所述的数据增强方法采用随机旋转和随机裁剪法。
4.根据权利要求1所述的一种基于深度学习与声呐成像的水下桥墩构件分割方法，其特征在于，步骤(3)所述训练测试集、验证集和测试集的比例为8:1:1。
5.根据权利要求1所述的一种基于深度学习与声呐成像的水下桥墩构件分割方法，其特征在于，步骤(4)所述的特征提取层采用ResNet101预训练网络，损失函数采用FocalLoss。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201911100071.8/1.html，转载请声明来源钻瓜专利网。
