[发明专利]一种裂缝锈蚀自动识别方法及系统

权利要求书

1.一种裂缝锈蚀自动识别方法，其特征在于，所述方法包括：

裂缝锈蚀自动检测设备采集建筑表观图像，将所述建筑表观图像输入至压缩采样模型后得到图像压缩值，并将所述图像压缩值传输至后台终端；

所述后台终端将接收到的图像压缩值输入至图像重构模型，得到重构后建筑表观图像，并将所述重构后建筑表观图像输入至裂缝锈蚀识别模型进行裂缝锈蚀识别检测；

所述压缩采样模型、图像重构模型以及裂缝锈蚀识别模型，为根据联合训练策略，对预设的压缩采样神经网络、图像重构神经网络以及裂缝锈蚀检测神经网络进行联合训练得到。

2.根据权利要求1所述的裂缝锈蚀自动识别方法，其特征在于，所述根据联合训练策略，对预设的压缩采样神经网络、图像重构神经网络以及裂缝锈蚀检测神经网络进行联合训练包括：

对所述压缩采样神经网络和图像重构神经网络进行第一次预训练，在训练过程中保持所述图像重构神经网络的损失值收敛至少30个训练周期；

对所述裂缝锈蚀检测神经网络进行第二次预训练；

在第一次预训练、第二次预训练完成后，对所述压缩采样神经网络、图像重构神经网络以及裂缝锈蚀检测神经网络的网络参数进行联合微调，在训练过程中保持所述图像重构神经网络以及裂缝锈蚀检测神经网络的损失值分别收敛至少50个训练周期，直至所述图像重构神经网络以及裂缝锈蚀检测神经网络的损失值小于对应的预设损失阈值，结束训练，保存所述压缩采样神经网络、图像重构神经网络以及裂缝锈蚀检测神经网络的当前网络参数，得到压缩采样模型、图像重构模型以及裂缝锈蚀识别模型。

3.根据权利要求1所述的裂缝锈蚀自动识别方法，其特征在于，所述压缩采样神经网络包括主干路径和旁支路径，主干路径包括依次连接的第一卷积层、第一批归一化层、第一ReLU层、第二卷积层、第二批归一化层、第二ReLU层；

所述旁支路径包括卷积降采样层，所述卷积降采样层分别与所述第一卷积层、第二卷积层连接。

4.根据权利要求1所述的裂缝锈蚀自动识别方法，其特征在于，所述第一卷积层的卷积核为3*3、步长为2、输出维度为32；所述第二卷积层的卷积核为3*3、步长为2、输出维度为64；所述卷积降采样层的卷积核为1*1、步长为4、输出维度为64。

5.根据权利要1所述的裂缝锈蚀自动识别方法，其特征在于，所述图像重构神经网络包括初步恢复网络结构以及残差网络结构，其中：

所述初步恢复网络结构包括单层反卷积上采样层，所述初步恢复网络结构用于将所述图像压缩值初步恢复至低分辨率图像；

所述残差网络结构包括依次连接的第三卷积层、第三批归一化层、第三ReLU层、第四卷积层、第四批归一化层、第四ReLU层以及第五卷积层，所述第三卷积层与所述单层反卷积上采样层连接，所述残差网络结构用于将低分辨率图像优化为高清图像。

6.根据权利要求1所述的裂缝锈蚀自动识别方法，其特征在于，所述第三卷积层的卷积核为3*3、步长为1、输出维度为32；所述第四卷积层的卷积核为3*3、步长为1、输出维度为16；所述第五卷积层的卷积核为1*1、步长为1、输出维度为3。