[发明专利]一种基于智能数据处理的桥梁表观异常识别方法及系统

说明书

本申请提供了一种基于智能数据处理的桥梁表观异常识别方法及系统，涉及桥梁异常识别技术领域，控制无人机数据采集装置对桥梁体表面进行桥梁表面图像数据采集；对每一帧图像进行离散余弦变换得到离散余弦变换系数；根据所述离散余弦变换系数进行图像背景纹理特征值计算，输出图像背景特征值集合；根据所述图像背景特征值集合进行数据分类，得到分类图像数据集；将所述图像背景特征值集合作为训练数据集进行神经网络训练生成自编码器；将所述分类图像数据集输入所述自编码器中，根据得到的还原误差指标输出异常图像数据集。解决了由于桥梁表面采集到的图像背景纹理差异所引起的异常识别偏差的问题，通过进行背景特征计算，达到提高异常识别准确率的效果。

技术领域

本申请涉及桥梁异常识别相关领域，具体涉及一种基于智能数据处理的桥梁表观异常识别方法及系统。

背景技术

桥梁是基础设施的重要组成部分。由于车流量加大、车辆超载以及结构老化等原因，跨海桥梁在长期的使用过程中会生产裂缝、剥落、露筋、蜂窝麻面等各种表观病害。对桥梁表观病害的检测是桥梁健康状况评估的一个重要方面。由于桥梁表观病害的随机性和广泛性，人工进行桥梁病害的检测和记录需要消耗大量的人力，检测速度慢，且在实桥检测过程中存在较大的安全隐患，结合不断发展的计算机技术，桥梁表面检测多采用数据统一采集进行处理，保障了桥梁检测的高效率需求。

目前，由于不同桥梁结构的装配表面材料存在区别，使得统一数据采集时进行异常识别容易造成偏差，所采集到的数据背景纹理差异影响异常识别准确率的问题。

发明内容

本申请实施例提供了一种基于智能数据处理的桥梁表观异常识别方法及系统，用于针对解决由于不同桥梁结构的装配表面材料存在区别，使得统一数据采集时进行异常识别容易造成偏差，所采集到的数据背景纹理差异影响异常识别准确率的问题。

鉴于上述问题，本申请实施例提供了一种基于智能数据处理的桥梁表观异常识别方法及系统。

第一方面，本申请实施例提供了一种基于智能数据处理的桥梁表观异常识别方法，述方法应用于桥梁表观异常识别系统，所述系统与无人机数据采集装置通信连接，所述方法包括：控制所述无人机数据采集装置对桥梁体表面进行采集，得到桥梁表面图像数据集；对所述桥梁表面图像数据集中的每一帧图像进行离散余弦变换，得到离散余弦变换系数；根据所述离散余弦变换系数进行图像背景纹理特征值计算，输出图像背景特征值集合；根据所述图像背景特征值集合进行数据分类，得到分类图像数据集，其中，所述分类图像数据集中的每一类图像对应一个背景特征；将所述图像背景特征值集合作为训练数据集进行神经网络训练，生成自编码器；将所述分类图像数据集输入所述自编码器中，根据所述自编码器进行分析，得到还原误差指标；以所述还原误差指标进行异常识别，输出异常图像数据集。

第二方面，本申请实施例提供了一种基于智能数据处理的桥梁表观异常识别系统，所述系统包括：表面数据采集模块，所述表面数据采集模块用于控制所述无人机数据采集装置对桥梁体表面进行采集，得到桥梁表面图像数据集；离散余弦变换模块，所述离散余弦变换模块用于对所述桥梁表面图像数据集中的每一帧图像进行离散余弦变换，得到离散余弦变换系数；纹理特征计算模块，所述纹理特征计算模块用于根据所述离散余弦变换系数进行图像背景纹理特征值计算，输出图像背景特征值集合；数据分类模块，所述数据分类模块用于根据所述图像背景特征值集合进行数据分类，得到分类图像数据集，其中，所述分类图像数据集中的每一类图像对应一个背景特征；自编码器训练模块，所述自编码器训练模块用于将所述图像背景特征值集合作为训练数据集进行神经网络训练，生成自编码器；自编码器分析模块，所述自编码器分析模块用于将所述分类图像数据集输入所述自编码器中，根据所述自编码器进行分析，得到还原误差指标；异常识别输出模块，所述异常识别输出采集模块用于以所述还原误差指标进行异常识别，输出异常图像数据集。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：