[发明专利]一种基于YOLOv5的隧道衬砌裂缝检测方法及设备

说明书

本发明公开了一种基于YOLOv5的隧道衬砌裂缝检测方法及设备，属于裂缝检测技术领域，用于解决现有的隧道衬砌裂缝检测过程中，裂缝图像杂质较多且数据采集工作大，难以有效的对裂缝特征进行提取分析，难以保证裂缝检测的准确性的技术问题。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，得到病害数据集的标注文件；将标注文件以及对应的裂缝图像进行YOLOv5网络模型的训练，得到改进后的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；对衬砌裂缝图像进行衬砌裂缝的精确率识别，得到目标图像，将裂缝特征进行腐蚀膨胀相结合的开闭合运算，得到真实裂缝特征。

技术领域

本申请涉及裂缝检测技术领域，尤其涉及一种基于YOLOv5的隧道衬砌裂缝检测方法及设备。

背景技术

随着隧道逐步趋向智能化、电气化，对隧道自动检测技术的需求也越来越大，后期运行维护任务也随之加重，逐步形成任务重、要求高的隧道运维巡检工作格局。在隧道的建设和运营过程中，由于施工、温度、载荷、山体变形等各种因素的影响而引起的裂缝、渗水等病害会产生极大的安全隐患。其中，裂缝是隧道衬砌最常见的病害形式，若不能及时发现并进行维护，裂缝进一步蔓延和扩大，破坏隧道结构，可能会造成重大的人员伤亡和经济损失，所以对隧道裂缝的检测是隧道检测工作的重中之重。

在现有的隧道检测过程中，目前多数仍然采用传统的人工检测法，需要投入较多的人力和时间，且危险性较大，同时，通过现有裂缝识别模型容易受到裂缝图像中杂质特征的影响，不利于对裂缝图像的检测。

发明内容

本申请实施例提供了一种基于YOLOv5的隧道衬砌裂缝检测方法及设备，用于解决如下技术问题：现有的隧道衬砌裂缝检测过程中，裂缝图像杂质较多且数据采集工作大，难以有效的对裂缝特征进行提取分析，难以保证裂缝检测的准确性。

本申请实施例采用下述技术方案：

一方面，本申请实施例提供了一种基于YOLOv5的隧道衬砌裂缝检测方法，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。

本申请实施例通过采集车搭载的图像收集系统对隧道内衬砌情况实现实时检测，代替了耗时长、效率低的人工检测过程，通过对于图像拟合出mAP值较高的函数表达式进行训练，能够准确的识别和定位裂缝区域，判断衬砌表面是否为裂缝病害，实现高精度的自动化检测，对检测后的裂缝图像进行背景杂质的去除，运用一系列形态学算法提取裂缝连通域，实现图像的去噪，保留了裂缝的真实基本特征。

在一种可行的实施方式中，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。