[发明专利]一种面向大坝缺陷图像的目标检测方法

说明书

本发明公开了一种面向大坝缺陷图像的目标检测方法，步骤为：将可变形卷积用于VGG16网络，增大卷积感受范围，通过学习卷积偏移量来捕捉大坝缺陷的形变特征，得到缺陷图像的特征图；在进行多尺度特征图检测时，修改锚点机制中先验框尺寸比例，提高条形缺陷特征的检测精度与模型的泛化能力；采用改进的非极大值抑制算法对冗余负样本进行筛减，在均衡正负样本比例的前提下，尽可能地保证训练样本的多样性。本发明对大坝缺陷图像进行了有效检测，不仅能够实现对多形变的缺陷特征的检测，同时进一步提高了对于条形缺陷检测的泛化能力。在大坝缺陷图像的目标检测中具有较高的检测精度与较好的收敛性能。

技术领域

本发明属于大坝缺陷图像目标检测领域，特别涉及一种面向大坝缺陷图像的目标检测方法。

背景技术

建筑工程领域将工程施工质量中不符合规定要求的检验项或检验点定义为缺陷，随着水电站大坝的长期运行，材料老化、环境影响等原因导致了不同程度缺陷的形成。当缺陷程度较轻时，尚可采取相应的措施对缺陷进行及时地处理，达到结构的承载要求，一旦缺陷没有得到及时地处理与补救，将对大坝安全运行造成重大威胁。因此，采用自动巡检设备对缺陷进行及时的检测与排查能够有效维护大坝的结构安全。

一直以来目标检测使用的公开数据集往往种类特征固定，因此在进行特征提取时，通常采用固定大小的感受范围对特征进行卷积。由于缺陷生成的不确定性，根据成因和环境的改变，缺陷几何形状多变，这对于特征提取的难度也相应增大。SSD中采用的传统的卷积方式进行特征提取，这对于几何形状固定的样本而言是有效的，对于缺陷数据集而言无法适应缺陷未知的几何形变，因此存在一定的局限性。

发明内容

发明目的：为了克服现有技术中存在的问题，本发明提供一种面向大坝缺陷图像的目标检测方法，采用可变形卷积提取特征的目标检测算法不仅能够实现高效检测，同时能够精准识别并检测出几何形状多变的大坝缺陷。

技术方案：为实现上述目的，本发明提供一种面向大坝缺陷图像的目标检测方法，包括如下步骤：

(1)针对大坝缺陷几何形变的特征，将可变形卷积应用于单阶段目标检测器SSD中，将其主干网络VGG16中的卷积改进为可变形卷积，增大卷积感受范围，通过学习卷积偏移量来捕捉大坝缺陷的形变特征；

(2)在多尺度特征图检测阶段，针对大坝中“裂缝”缺陷的条形特征，改进了锚点机制中的预选框尺寸比例，提高条形特征的检测精度与模型的泛化能力；

(3)训练过程中采用改进非极大值抑制方法，在筛减冗余样本的同时，采用仅删减负样本的方法，保证训练样本的多样性。

进一步的，所述采用可变形卷积VGG16网络进行缺陷特征提取的具体步骤如下：

(1.1)输入原始图片，记为U，其中设置的batch为b；

(1.2)原始图片batch经过一个普通卷积，卷积填充为same，即输出输入大小不变，对应的输出结果为原图片batch中每个像素的偏移量，在可变形卷积中，R通过偏移量{Δp_n|n＝1,…,N}来增大感受的范围，其中，N＝|R|，卷积后像素值：

此时，采样的卷积核由不规则的R组成，距卷积核中心位置偏移量为p_n+Δp_n，原先标准的卷积过程被分为两路，上面一路学习偏移量，得到H×W×2N个输出偏移量，N＝|R|表示卷积核中的像素个数，2N代表两个垂直方向的偏移量；

(1.3)将U中图片的像素索引值与V相加，得到偏移后的坐标(即在原始图片U中的坐标值)，需要将坐标值限定为图片大小以内，将浮点类型的坐标值获取像素；