[发明专利]混凝土构件损伤检测与评估方法及其系统

权利要求书

1.一种混凝土构件损伤检测与评估方法，其特征在于，所述方法包括：

获取第一图像并对所述第一图像进行裁剪，以获取第二图像，所述第一图像为已有试验及实际工程中受损混凝土构件的局部图像，所述第二图像为适应损伤目标分割模型的混凝土构件的损伤图像；

获取标注文件和标注图像，所述标注文件为通过多段线对所述第二图像标注后生成的，所述标注图像为所述多段线对所述第二图像标注后生成的图像；

对所述标注文件进行处理以适应所述损伤目标分割模型，并在所述标注图像和标注文件对目标分割模型训练后，获取相应的最优权重参数；

获取第三图像，并基于所述最优权重参数和损伤目标分割模型对所述第三图像进行识别，以得到所述第三图像中混凝土构件损伤的掩码和损伤类型，所述第三图像为待检测混凝土构件的损伤图像；

当所述待检测混凝土构件的损伤类型为裂缝时，基于所述裂缝的掩码提取第一像素点，所述第一像素点为所述待检测混凝土构件真实裂缝对应的像素点；

获取图像采集设备的像素解析度，并根据所述像素解析度获取所述第一像素点和其他损伤掩码对应的几何参数。

2.根据权利要求1所述的混凝土构件损伤检测与评估方法，其特征在于，所述获取第三图像，并基于所述最优权重参数和损伤目标分割模型对所述第三图像进行识别，包括：

通过所述图像采集设备多次对所述待检测混凝土构件进行拍照，以得到多个相互具有重叠区的图像；

基于SURF算法的图像拼接方法将所述多个相互具有重叠区的图像拼接成全景图像，以消除所述重叠区；

通过对所述全景图像进行裁剪，得到所述第三图像。

3.根据权利要求1所述的混凝土构件损伤检测与评估方法，其特征在于，所述方法还包括：

通过MaskR-CNN卷积神经网络对所述第三图像进行识别，以获取待检测混凝土构件的损伤类型、边界框和位于所述边界框内的掩码；

建立与损伤程度相对应的损伤等级标准，所述损伤程度为预先设置的用于判定损伤等级的配置参数；

基于所述损伤类型、损伤程度和损伤等级标准创建数据库。

4.根据权利要求3所述的混凝土构件损伤检测与评估方法，其特征在于，所述损伤类型包括混凝土裂缝、保护层剥落、混凝土压碎、钢筋露出、钢筋屈曲和断裂；

所述数据库中包括所述损伤类型、损伤等级标准以及所述损伤程度与损伤等级标准之间的对应关系，用于对所述第三图像进行评估，以获取所述待检测混凝土构件的损伤等级。

5.根据权利要求1所述的混凝土构件损伤检测与评估方法，其特征在于，所述获取第三图像，并基于所述最优权重参数和损伤目标分割模型对所述第三图像进行识别，之后包括：

截取所述裂缝掩码所在边界框内的图像；

对所述边界框内图像进行滤波去噪，去除所述裂缝掩码以外的像素点，并进行阈值分割和形态学分析，以提取出第一像素点。

6.根据权利要求1所述的混凝土构件损伤检测与评估方法，其特征在于，所述获取图像采集设备的像素解析度，包括：

获取所述图像采集设备标定后的内外参数；

根据所述标定后的内外参数进行计算，以获取所述像素解析度。

7.根据权利要求1至6任一项所述的混凝土构件损伤检测与评估方法，其特征在于，所述方法还包括：

提取所述第一像素点之后，通过形态学分析确定所述第一像素点的中心线；

基于所述中心线与所述第一像素点边缘的间距，获取所述第一像素点的几何参数；

通过所述第一像素点的最小外接矩形的倾角获取所述第一像素点的倾角；

其中，所述几何参数包括第一像素点的宽度和长度。