[发明专利]一种裂缝锈蚀自动识别方法及系统

说明书

本发明涉及一种裂缝锈蚀自动识别方法及系统，包括：裂缝锈蚀自动检测设备采集建筑表观图像，将建筑表观图像输入至压缩采样模型后得到图像压缩值，并将图像压缩值传输至后台终端；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；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。本发明提供的方法及系统，可克服光照阴影和建筑表观污渍痕迹等的干扰，并在实现高压缩度的同时保证重构图像的高保真度，能够更为准确的识别到裂缝锈蚀。

技术领域

本发明涉及建筑结构安全检测技术领域，具体涉及一种裂缝锈蚀自动识别方法及系统。

背景技术

锈蚀裂缝作为最常见的病害形式，被列为建筑结构安全检测的重要内容。现有的锈蚀裂缝检测任务主要依赖人工目检执行，以大型桥梁为例，一般利用桥检车等设备搭乘检测人员靠近桥梁底部等锈蚀裂缝开展的高风险部位，并携带裂缝观测仪等辅助设备进行识别和检测。人工目检过程复杂、检测成本较高、效率低下，同时对于大跨度桥梁的高墩柱，桥检车的云梯因长度有限也难以接近，造成识别质量较低，无法对建筑上的锈蚀裂缝进行有效检测，即使发现锈蚀裂缝会对各类建筑结构的安全带来极大威胁。

机器人空间灵活性强，可利用其采集建筑表观图像，进而根据采集到的建筑表观图像进行进一步的图像检测，识别是否存在裂缝锈蚀。2019年，华南理工大学张浩然、贺志勇等在相关的研究基础上，提出了一种基于无人机视觉的桥梁底面裂缝检测方法(专利公开号为CN109521019A)，该方法通过搭载可变焦高清相机的无人机对所要检测的桥跨分块进行拍摄得到若干RGB彩色图像，进一步得到灰度图像后进行图像增强及降噪滤波处理，再利用MATLAB软件将图像二值化，分割出清晰的裂缝图像，使用投影的方法在多轴方向上投影计算,从而识别对应裂缝类型。

然而上述技术无法克服光照阴影、桥梁表观痕迹的干扰，易产生错误的裂缝检测结果。同时在实践中，海量的采集图像数据需要通过无线传输传输至地面站，需要大量电力、通信和存储资源；而如果在无线传输之前对采集到的图像数据进行数据压缩后再传输，压缩度越高，虽然所需电力、通信和存储资源越少，但是通过图像复原技术保持高图像质量的难度就越大，而高帧率和高保真度的图像数据是对桥梁等建筑进行精准病害检测的关键。因此开发出压缩度高且数据失真很小的方法，实现高效可靠地传输大规模序列图像数据是至关重要的，目前针对该方面的研究尚不成熟，是本领域亟需解决的问题。

发明内容

针对上述问题，本发明提供一种裂缝锈蚀自动识别方法及系统。

本发明提供的裂缝锈蚀自动识别方法包括：裂缝锈蚀自动检测设备采集建筑表观图像，将建筑表观图像输入至压缩采样模型后得到图像压缩值，并将图像压缩值传输至后台终端；

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；

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。

进一步的，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，在训练过程中保持图像重构神经网络的损失值收敛至少30个训练周期；

对裂缝锈蚀检测神经网络进行第二次预训练；