[发明专利]基于人工智能的桥梁裂缝监测方法及系统

权利要求书

1.一种基于人工智能的桥梁裂缝监测方法，其特征在于，包括：

基于在桥梁监测任务中获得的携带桥梁维护指示特征的桥梁图像数据，得到多个候选桥梁图像数据；

获取各所述候选桥梁图像数据对应的异常像素分割向量，基于各所述桥梁图像数据对应的所述异常像素分割向量，分析各所述桥梁图像数据是否为裂缝特征对应的桥梁裂缝图像数据；

在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定对应的桥梁裂缝图像数据对应的异常像素分割向量，基于所述桥梁裂缝图像数据对应的异常像素分割向量以及所述候选桥梁图像数据，基于训练获得的裂缝分类神经网络对所述候选桥梁图像数据进行裂缝分类，将裂缝分类后的各桥梁图像数据上报所述桥梁监测任务对应的桥梁裂缝监测资源池，并执行桥梁裂缝维护指示的下发。

2.根据权利要求1所述的基于人工智能的桥梁裂缝监测方法，其特征在于，所述获取各所述候选桥梁图像数据对应的异常像素分割向量，包括：

将所述候选桥梁图像数据的注意力像素特征向量映射至桥梁监测任务的异常像素特征向量位图，通过所述桥梁监测任务的异常像素特征向量位图对所述候选桥梁图像数据进行匹配得到各所述桥梁图像数据对应的异常像素分割向量；

其中，在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定对应的桥梁裂缝图像数据对应的异常像素分割向量，包括：

在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定所述异常像素分割向量对应的裂缝纹理向量；

基于所述裂缝纹理向量，从异常像素特征向量位图中获取与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量。

3.根据权利要求2所述的基于人工智能的桥梁裂缝监测方法，其特征在于，所述基于所述裂缝纹理向量，从异常像素特征向量位图中获取与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量，包括：

基于所述裂缝纹理向量，从所述异常像素特征向量位图中获取与所述裂缝纹理向量对应的多个先验桥梁裂缝图像数据；

通过将所述多个先验桥梁裂缝图像数据作为机器学习的训练图像数据训练AI神经网络单元；

将所述桥梁图像数据输入训练结束的所述AI神经网络单元，得到与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量。

4.根据权利要求1所述的基于人工智能的桥梁裂缝监测方法，其特征在于，所述方法还包括：

基于通过裂缝分类神经网络以及所述候选桥梁图像数据得到裂缝特征对应的过往分割特征分布，并将所述裂缝特征对应的过往分割特征分布映射至所述桥梁监测任务的异常像素特征向量位图，使所述桥梁监测任务的异常像素特征向量位图基于裂缝特征对应的过往分割特征分布对裂缝分类神经网络进行训练。

5.一种基于人工智能的桥梁裂缝监测系统，其特征在于，包括：

获取模块，用于基于在桥梁监测任务中获得的携带桥梁维护指示特征的桥梁图像数据，得到多个候选桥梁图像数据；

分析模块，用于获取各所述候选桥梁图像数据对应的异常像素分割向量，基于各所述桥梁图像数据对应的所述异常像素分割向量，分析各所述桥梁图像数据是否为裂缝特征对应的桥梁裂缝图像数据；

上报模块，用于在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定对应的桥梁裂缝图像数据对应的异常像素分割向量，基于所述桥梁裂缝图像数据对应的异常像素分割向量以及所述候选桥梁图像数据，基于训练获得的裂缝分类神经网络对所述候选桥梁图像数据进行裂缝分类，将裂缝分类后的各桥梁图像数据上报所述桥梁监测任务对应的桥梁裂缝监测资源池，并执行桥梁裂缝维护指示的下发。

6.根据权利要求5所述的基于人工智能的桥梁裂缝监测系统，其特征在于，所述分析模块进一步用于：将所述候选桥梁图像数据的注意力像素特征向量映射至桥梁监测任务的异常像素特征向量位图，通过所述桥梁监测任务的异常像素特征向量位图对所述候选桥梁图像数据进行匹配得到各所述桥梁图像数据对应的异常像素分割向量；

所述上报模块进一步用于：在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定所述异常像素分割向量对应的裂缝纹理向量；以及基于所述裂缝纹理向量，从异常像素特征向量位图中获取与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量。