[发明专利]基于自注意力与中心点回归模型的桥梁螺栓检测方法

说明书

本发明公开了基于自注意力与中心点回归模型的桥梁螺栓检测方法，包括：获取待检测的桥梁螺栓图像；通过预先训练得到的基于自注意力与中心点回归模型对所述桥梁螺栓图像进行检测；根据所述自注意力与中心点回归模型的检测结果，确定所述桥梁螺栓图像螺栓是否存在病害。其中，该基于自注意力与中心点回归模型同时包含语义分割网络与检测网络。两个网络共享由卷积神经网络提取的中层特征，语义分割网络旨在将螺栓所在矩形区域进行语义分割，用于语义分割的特征与检测模块的特征进行连接共同对螺栓进行定位。该方法应用于螺栓病害检测识别领域，可以克服传统桥梁病害图像检测识别技术的不足，能很好地解决螺栓病害检测识别中效率、成本、安全等问题。

技术领域

本发明属于视觉技术领域，涉及视觉技术在桥梁病害中的应用，特别涉及基于自注意力与中心点回归模型的桥梁螺栓检测方法。

背景技术

高强螺栓是桥梁等大型钢结构设施的主要连接方式之一，我国桥梁高强螺栓用钢从40B，发展至20MnTiB和35VB，推广使用至今，四十多年工程实践检验表明，两种材质的高强螺栓均能满足使用要求。近年来，受多种因素影响，高强螺栓延迟断裂概率有所增加。铁路桥梁在运营中，长期经受设计运营荷载、提速、重载列车的作用，遭受地震、洪水、泥石流等自然灾害的侵袭和风雨、冰块、有害离子等有害物质的侵烛，承受车或船意外撞击等，使墩台及基础可能产生不同程度的损伤，存在不同类型的病害，而螺栓病害在桥梁病害中占据主要位置。因此，及时检测桥梁螺栓病害是避免桥梁事故，确保人民人身安全和国家财产不受侵害的重要保障。

现有的方法大多采用人工检测外加辅助工具的方法，通过桥梁维护人员对桥梁的定期寻查，通过目视、采用超声波检测仪、索力计等设备加以辅助的方法。比如超声波检测仪：利用超声波技术进行检测工作的，对螺栓的表面和内部质量进行检查。超声波探伤比X射线探伤具有较高的探伤灵敏度、周期短、成本低、灵活方便、效率高，对人体无害等优点。但是使用超声波检测仪要求螺栓表面平滑，并且只能通过富有经验的检验人员进行缺陷种类的辨识，对缺陷没有直观性的检测标准。

现有技术主要依赖检测人员的专业知识和主管判断去发现桥梁螺栓病害，不仅费时费力效率不高，在检测准确率上也受到检测人员主观因素的影响，而且也常常给桥梁维护的工作人员带来安全隐患。无法满足轻量级、自动化、与实时性需求。难点如下：

（1）螺栓目标小、密度大；

（2）辅助工具精度下降或发生损坏时，更换不便，成本较高；

（3）不能实现自动化，需要大量人工参与。

随着深度卷积神经网络在计算机视觉领域的深入应用，YOLO算法与基于RegionProposal的Faster Rcnn等算法在工业领域以及实际应用场景中发挥了很好的检测效果，但二者还存在如下挑战：

（1）以上两类方法都是通过列举所有的潜在区域，然后对每个区域分别进行分类操作，而这样的操作是浪费的、低效的并且要求额外的后处理过程（如非极大值抑制等）。这种后处理操作在微分与训练时存在很大困难，导致当前大多数的检测器无法真正实现端到端的训练。

（2）无论是YOLO算法还是Faster Rcnn等算法都认为提取的候选区域对于最终检测的贡献是相同的，而在实际的生活场景中，图片中待检测物体的周围往往具有复杂且丰富的语义信息，每个区域对最终检测的贡献都是不同的。

（3）构造关键点热图（heatmap）时，若直接将中心点像素置为1其余像素置为0则会因为优化目标不连续导致误差难以计算，进而难以通过误差反向传播的方式优化整个模型。有人利用高斯核将中心点在整个热图上进行分散，虽然取得了一定的效果，但由于其计算的坐标范围是整个热图，导致生成的热图前景图像不能有效反应螺栓的形状。

因此，如何提供一种识别率较高、成本较低的桥梁螺栓检测方法，同行从业人员亟待解决。

发明内容