一种裂缝图像识别与建模方法技术

本发明专利技术公开了一种裂缝图像识别与建模方法，包括以下步骤：步骤1、基于深度学习Mask‑RCNN网络进行裂缝图片的粗识别并得到粗提取裂缝图；步骤2、将粗提取裂缝图经过OpenCV图像处理后获得裂缝在二维图片上的拐点和突变点的像素坐标；步骤3、利用SIFT算法进行图像特征匹配，获得同名点坐标；步骤4、构建裂缝的三维模型。本发明专利技术将深度学习图像识别与OpenCV图像处理技术的优点相结合，形成一种“由粗识别到精确识别”的图像识别方法，有效提高了识别准确率，并最终依靠同一裂缝位置不同角度的图片坐标提取生成裂缝三维建模，解决了裂缝因为尺寸细小较难识别与建模的问题，可行性强、鲁棒性较高。

【技术实现步骤摘要】
一种裂缝图像识别与建模方法
本专利技术属于图像识别
,具体涉及一种裂缝图像识别与建模方法。
技术介绍
图像识别与建模是通过计算机对既有裂缝图像学习、处理等一系列的加工过程，实现对图像目标的提取与三维重构。基于神经网络的图像识别技术是人工智能的一个重要领域。该技术能够为用户提供很多方便，例如对于植物病害图片进行识别可快速找到病害植株；再如对场地遥感图片识别可快速识别场地类型，更可以精确识别人脸图片并与已有数据库中人脸相匹配准确获取身份信息。但是由于裂缝特有的宽度较窄与细小裂缝难以标记的特点，现有的神经网络识别方法对于裂缝识别效果较差，识别的准确率较低。目前，神经网络更适合为图片目标定性，难以提取准确坐标。对边界区域的识别难以满足之后三维建模的需求。
技术实现思路
本专利技术目的在于提供一种裂缝图像识别与建模方法以解决以上问题。为了实现上述目的，本专利技术采用的技术方案如下：一种裂缝图像识别与建模方法，包括以下步骤：步骤1、基于深度学习Mask-RCNN网络进行裂缝图片的粗识别并得到粗提取裂缝图，包本文档来自技高网...

【技术保护点】
1.一种裂缝图像识别与建模方法，其特征在于，包括以下步骤：/n步骤1、基于深度学习Mask-RCNN网络进行裂缝图片的粗识别并得到粗提取裂缝图，包括：/n步骤1.1：准备用于训练网络的训练用裂缝图片和待检测的裂缝图片；/n步骤1.2：利用labelme对训练用裂缝图片进行标注：/n首先将训练用裂缝图片导入labelme，将裂缝及其周围分割为多个矩形小块并进行标注，将所述多个矩形小块标注为三类：水平裂缝、竖直裂缝、斜裂缝，分别用hc、vc、oc三种标签表示，保存后每张训练用裂缝图片会得到一个对应的json标注文件；/n步骤1.3：对所述json标注文件进行转换，过程如下：/n使用labelme中...

【技术特征摘要】
1.一种裂缝图像识别与建模方法，其特征在于，包括以下步骤：
步骤1、基于深度学习Mask-RCNN网络进行裂缝图片的粗识别并得到粗提取裂缝图，包括：
步骤1.1：准备用于训练网络的训练用裂缝图片和待检测的裂缝图片；
步骤1.2：利用labelme对训练用裂缝图片进行标注：
首先将训练用裂缝图片导入labelme，将裂缝及其周围分割为多个矩形小块并进行标注，将所述多个矩形小块标注为三类：水平裂缝、竖直裂缝、斜裂缝，分别用hc、vc、oc三种标签表示，保存后每张训练用裂缝图片会得到一个对应的json标注文件；
步骤1.3：对所述json标注文件进行转换，过程如下：
使用labelme中自带的labelmejsontodataset脚本函数将步骤1.2所得的json标注文件转换为三个文件：标注的掩模图、掩模图加原图的示意图和标签名的集合；
步骤1.4：将训练用裂缝图片放入Mask-RCNN中进行训练：将步骤1.3中生成的掩模图、标签名的集合及训练用裂缝图片放入Mask-RCNN网络中进行训练，网络训练完成后将待检测的裂缝图片输入到训练好的网络中进行识别，网络将待检测的裂缝图片中的潜在裂缝区域划分为多段并给出每一段的置信度，所述置信度表示网络认为该段区域中存在裂缝的概率，设置一个概率阈值，将置信度高于该概率阈值的区域段标记出，将标记有置信度的区域段提取出来即为粗提取裂缝图；
步骤2、将粗提取裂缝图经过OpenCV图像处理后获得裂缝在二维图片上的拐点和突变点的像素坐标，具体过程为：利用OpenCV对粗提取裂缝图进行高...

【专利技术属性】
技术研发人员：章杨松，顾天纵，张宁，何元，李孟寒，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32