[发明专利]一种桥梁载荷损伤识别方法及系统

权利要求书

1.一种桥梁车辆载荷损伤识别方法，其特征在于，包含步骤：

S1、在桥梁上方设置若干个图像采集模块和若干GPS模块，一个图像采集模块对应一个GPS模块；通过图像采集模块采集桥梁路面图像，通过与该图像采集模块对应的GPS模块获取该图像采集模块的位置信息；

S2、将所述桥梁路面图像划分为若干个大小相同的子图像；

S3、人工对所述子图像中的车辆、桥梁路面损伤区域进行标注；并对将标注后的部分子图像作为训练集，剩余的子图像作为验证集；

S4、通过所述训练集和验证集预训练第一、第二神经网络模型；所述第一神经网络模型用于从所述子图像中识别车辆；所述第二神经网络模型用于从不包含车辆的子图像中识别桥梁路面损伤区域；

S4、将实时采集的桥梁路面图像划分为若干个对应的子图像，将该子图像输入训练好的第一、第二神经网络模型，识别该子图像中的桥梁路面损伤区域；计算得到该桥梁路面损伤区域在对应子图像的占比；

S5、若所述占比超过设定的第一阈值，将该子图像对应的所述位置信息、所述占比发送给控制中心。

2.如权利要求1所述的桥梁车辆载荷损伤识别方法，其特征在于，所述若干个图像采集模块能够采集桥头至桥尾的全部桥梁路面图像。

3.如权利要求1所述的桥梁车辆载荷损伤识别方法，其特征在于，步骤S1中还包含：按照设定的分辨率对采集的桥梁路面图像进行压缩，划分压缩后的桥梁路面图像为若干个对应的子图像。

4.如权利要求1所述的桥梁车辆载荷损伤识别方法，其特征在于，还包含步骤S6：若所述占比大于所述第一阈值且低于第二阈值，生成第一报警信息并发送给控制中心；若所述占比大于所述第二阈值，生成第二报警信息并发送给控制中心；其中第二阈值大于第一阈值。

5.如权利要求1所述的桥梁车辆载荷损伤识别方法，其特征在于，所述第一、第二神经网络模型均为CNN卷积神经网络模型。

6.一种桥梁载荷损伤识别系统，用于实现如权利要求1至5任一所述的桥梁载荷损伤识别，其特征在于，包含：

若干个图像采集模块，设置在桥梁上方，用于采集桥梁路面图像；

若干个GPS模块，设置在桥梁上方，一个GPS模块对应一个图像采集模块，通过GPS模块采集对应的图像采集模块的位置信息；

数据处理模块，其通讯连接所述图像采集模块和GPS模块；所述数据处理模块包含图像划分模块、第一、第二神经网络模型；通过所述图像划分模块将图像采集模块采集的桥梁路面图像划分为对应的若干个子图像；所述第一神经网络模型用于从所述子图像中识别车辆；所述第二神经网络模型用于从不包含车辆的子图像中识别桥梁路面损伤区域；

通讯模块，用于实现所述图像采集模块与数据处理模块之间、所述GPS模块与数据处理模块之间、数据处理模块与控制中心之间的数据传输。

7.如权利要求6所述的桥梁载荷损伤识别系统，其特征在于，所述数据处理模块还包含计算模块，所述计算模块根据第二神经网络模型识别的子图像中的桥梁路面损伤区域，计算该桥梁路面损伤区域在对应子图像的占比。

8.如权利要求7所述的桥梁载荷损伤识别系统，其特征在于，还包含报警模块，所述报警模块根据所述占比生成对应的报警信息并发送给控制中心。