[发明专利]一种基于注意力正则化机制的桥梁支座病害识别方法

说明书

本发明公开了一种基于注意力正则化机制的桥梁支座病害识别方法，具体如下：获取桥梁支座图像，桥梁支座图像包括支座不同的状态；根据桥梁支座不同的状态标注桥梁支座图像，标注桥梁支座图像包括标注支座图像的类别标签信息和空间位置标签；设计适应于注意力机制正则化机制的卷积神经网络模型的损失函数；设计适应于注意力机制正则化机制的卷积神经网络模型；利用损失函数，选择可微分的优化算法迭代训练上述中设计的卷积神经网络模型，利用图像的类别标签信息和空间位置标签进行训练，优化网络模型，获得用于自动识别桥梁支座病害的模型，根据该网络模型进行桥梁支座病害的识别。本发明能够自动识别桥梁支座病害，提高识别的精确度。

技术领域

本发明涉及土木工程与人工智能交互技术领域，特别是一种基于注意力正则化机制的桥梁支座病害识别方法。

背景技术

随着近年来我国基础设施建设的快速发展，土木行业发展迅速，大量的桥梁建设完毕，桥梁支座是桥梁受力的重要构件，在长期的服役过程中会出现老化、开裂等病害，影响其正常使用功能。人们一直依靠日常和定期性检查、抽样性和临时检查等手段来获取结构的相关信息。然而目前桥梁表观检测主要依赖于人工检测，这种方法效率低下、耗时长、成本高，且人工检测方法受环境及检测人员职业技术素养等因素影响较大，检测结果存在不确定性。

基于深度学习的图像处理技术快速发展，并在各行业得到广泛的应用，然而深度学习模型往往需要大量的标注数据进行训练才能达到较高的精度。在实际工程中，一些病害图像数据难以获取。支座作为桥梁的连接构件，在获取支座图像时难以避免的会出现不少背景信息，影响到模型的识别结果。因此迫切的需要在有限的数据集，复杂场景下提高模型识别精度的方法。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种基于注意力正则化机制的桥梁支座病害识别方法，能够自动识别桥梁支座病害，提高识别的精确度。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于注意力正则化机制的桥梁支座病害识别方法，包括以下步骤：

步骤S1、获取桥梁支座图像，桥梁支座图像包括支座不同的状态；

步骤S2、根据桥梁支座不同的状态标注桥梁支座图像，标注桥梁支座图像包括标注支座图像的类别标签信息和空间位置标签；

步骤S3、设计适应于注意力机制正则化机制的卷积神经网络模型的损失函数，损失函数包括类别损失项和注意力正则化项；

步骤S4、设计适应于注意力机制正则化机制的卷积神经网络模型，步骤S1中获取的支座图像输入至卷积神经网络模型，经卷积、池化运算、非线性激活函数运算，卷积神经网络模型输出支座的空间位置信息、支座病害类别信息的向量，该向量的维度与支座病害的类别数相匹配，卷积神经网络模型中采用步骤S3中设计的损失函数衡量步骤S2中的支座图像的类别标签信息和空间位置标签和卷积神经网络模型输出支座的空间位置信息、支座病害类别信息的向量之间的差异；

步骤S5、利用步骤S3中设计的损失函数，选择可微分的优化算法迭代训练步骤S4中设计的卷积神经网络模型，利用步骤S2中图像的类别标签信息和空间位置标签进行训练，以减小步骤S4中的差异为目标优化网络模型，获得用于自动识别桥梁支座病害的模型，根据该网络模型进行桥梁支座病害的识别。

作为本发明所述的一种基于注意力正则化机制的桥梁支座病害识别方法进一步优化方案，步骤S1中，获取的桥梁支座图像包括支座服役过程中遇到的各种病害。

作为本发明所述的一种基于注意力正则化机制的桥梁支座病害识别方法进一步优化方案，步骤S1中，获取的桥梁支座图像中仅包含1个支座，获取的桥梁支座图像的分辨率应在800×600以上。