[发明专利]一种基于YOLOv5的隧道衬砌裂缝检测方法及设备

权利要求书

1.一种基于YOLOv5的隧道衬砌裂缝检测方法，其特征在于，所述方法包括：

对预设若干裂缝图像对应的病害数据集进行标签标注，得到所述病害数据集的标注文件；

根据预设Pytorch深度学习框架，将所述标注文件以及对应的裂缝图像进行YOLOv5网络模型的目标检测训练，得到改进后的YOLOv5网络模型；

通过所述改进后的YOLOv5网络模型，将预采集的衬砌裂缝图像进行对应预测框分类判断，得到每个类别的评价指标；

通过所述评价指标，对所述衬砌裂缝图像进行有关衬砌裂缝的精确率识别，得到均包含衬砌裂缝的目标图像；

通过预设形态学算法，将所述目标图像中的裂缝特征进行腐蚀膨胀相结合的开闭合运算，得到所述目标图像的目标裂缝连通域；

将所述目标裂缝连通域进行图像噪声过滤，得到真实裂缝特征。

2.根据权利要求1所述的一种基于YOLOv5的隧道衬砌裂缝检测方法，其特征在于，对预设若干裂缝图像对应的病害数据集进行标签标注，得到所述病害数据集的标注文件，具体包括：

对所述若干裂缝图像的裂缝亮度进行拟合分析，得到有关裂缝亮度的拟合函数；

通过对所述拟合函数的表达式训练，将所述若干裂缝图像进行训练集与测试集的划分；

将所述训练集中的裂缝图像进行数据压缩与分割后，得到所述病害数据集；其中，所述病害数据集包括：裂缝数据集以及渗水数据集；

通过图像标注工具labelimg，将所述裂缝数据集以及渗水数据集进行标签标注，得到所述标注文件；其中，所述标注文件为所述裂缝数据集以及渗水数据集中与每张图像对应的TXT文件；并通过预设目标框，识别所述每张图像中所有目标特征，将生成所述每张图像的类别标签信息以及标注框位置信息存储到所述标注文件中。

3.根据权利要求1所述的一种基于YOLOv5的隧道衬砌裂缝检测方法，其特征在于，根据预设Pytorch深度学习框架，将所述标注文件以及对应的裂缝图像进行YOLOv5网络模型的目标检测训练，得到改进后的YOLOv5网络模型，具体包括：

获取所述标注文件的类别标签信息以及对应的标注框位置信息；其中，所述标注框位置信息包括：图像中心点横纵标信息、图像中心点纵坐标信息、目标框的长度信息以及宽度信息；

基于所述类别标签信息，将所述标注框位置信息进行归一化处理，得到标签文件；

将所述标签文件以及对应的每张裂缝图像输入到基于Pytorch深度学习框架的YOLOv5网络模型中，并进行有关裂缝图像检测的训练与测试，得到所述改进后的YOLOv5网络模型。

4.根据权利要求1所述的一种基于YOLOv5的隧道衬砌裂缝检测方法，其特征在于，通过所述改进后的YOLOv5网络模型，将预采集的衬砌裂缝图像进行对应预测框分类判断，得到每个类别的评价指标，具体包括：

将所述衬砌裂缝图像输入到所述改进后的YOLOv5网络模型中；

通过所述改进后的YOLOv5网络模型，将所述衬砌裂缝图像进行有关图像预测框的计算，得到若干预测框；

根据预设分类标准，将所述若干预测框进行分类判断，得到分类判断结果；其中，所述分类判断结果包括：TP预测框、FP预测框、FN预测框以及TN预测框；

根据所述分类判断结果中每个类别预测框的分布情况，对所述每个类别预测框进行裂缝图像识别计算，确定出所述每个类别预测框的评价指标。