一种基于深度学习的建筑裂缝识别及识别效果的优化方法技术

本发明专利技术涉及一种基于深度学习的建筑裂缝识别及识别效果的优化方法，包括以下步骤：1)深度学习训练：采集建筑裂缝图片，人工标注裂缝作为训练数据集，采用数据增强技术扩充训练数据集，通过深度学习模型训练数据集，得到训练结果，即权重文件；2)裂缝图像识别：通过深度学习训练结果，对待识别图像进行裂缝识别；3)识别效果优化：使用python语言对步骤2)得到的深度学习识别结果图像进行处理，修正掩膜区域，使其更准确，更贴近于真实裂缝区域。本发明专利技术通过深度学习识别裂缝，以解决现有人工裂缝检测主观性大、人力资源消耗大，传统的图像识别方法抗干扰能力弱等问题。通过对裂缝深度学习识别结果进一步优化，使深度学习裂缝识别结果更贴近于真实裂缝。

An optimization method of building crack recognition and recognition effect based on deep learning

【技术实现步骤摘要】
一种基于深度学习的建筑裂缝识别及识别效果的优化方法
本专利技术涉及一种基于深度学习的建筑裂缝识别及识别效果的优化方法，属于建筑安全监测

技术介绍
在建筑的长期使用过程中，由于自然老化，不正当拆改，相邻建筑工地施工等因素影响，会出现损坏的状况，严重的可能倒塌。因此，定期对建筑进行检查，发现问题并及时采取措施极为重要，这样不仅可以延长建筑的使用寿命，更重要的是可以避免建筑安全事故的发生。而裂缝作为影响建筑安全性的重要表观表现形式之一，产生的原因多种多样，不同原因造成的裂缝具有不同的特征，同一类型的裂缝长度、宽度以及发展情况所反应出的建筑安全状况也不同。因此，裂缝可以一定程度上反应建筑的安全状况，对建筑的安全性鉴定具有重要意义。现阶段裂缝数据的采集大多采用人工检测手段。检测过程通常是由现场检测人员到待检测结构体旁，使用相关检测设备测量裂缝长度、宽度等参数，再人工记录裂缝位置、对应参数等相关信息，统计分析数据，分析结构安全性和可靠性。人工检测法速度慢、精度差、人力投入大，随着对检测精度的要求不断提高以及老旧建筑增多，待检测建筑数量的快本文档来自技高网...

【技术保护点】
1.一种基于深度学习的建筑裂缝识别及识别效果的优化方法，其特征在于：包括以下步骤：/n步骤1)深度学习训练：采集建筑裂缝图片，人工标注裂缝作为训练数据集，采用数据增强技术扩充训练数据集，通过深度学习模型训练数据集，得到训练结果，即权重文件；/n步骤2)采集裂缝图像：通过图像采集设备对待测量的裂缝进行图像采集，得到待识别图像；/n步骤3)裂缝图像识别：通过深度学习训练结果，对待识别图像进行裂缝识别，识别获得图像中裂缝的识别框和裂缝覆盖区域掩膜；/n步骤4)识别效果优化：使用python语言对步骤3)得到的图像进行处理，修正掩膜，得到更贴近真实裂缝、更准确的掩膜。/n

【技术特征摘要】
1.一种基于深度学习的建筑裂缝识别及识别效果的优化方法，其特征在于：包括以下步骤：
步骤1)深度学习训练：采集建筑裂缝图片，人工标注裂缝作为训练数据集，采用数据增强技术扩充训练数据集，通过深度学习模型训练数据集，得到训练结果，即权重文件；
步骤2)采集裂缝图像：通过图像采集设备对待测量的裂缝进行图像采集，得到待识别图像；
步骤3)裂缝图像识别：通过深度学习训练结果，对待识别图像进行裂缝识别，识别获得图像中裂缝的识别框和裂缝覆盖区域掩膜；
步骤4)识别效果优化：使用python语言对步骤3)得到的图像进行处理，修正掩膜，得到更贴近真实裂缝、更准确的掩膜。


2.根据权利要求1所述的基于深度学习的建筑裂缝识别及识别效果的优化方法，其特征在于：所述步骤1)中深度学习训练、步骤3)中识别采用的深度学习模型为MaskR-cnn深度学习模型，识别后得到裂缝识别框和裂缝覆盖区域掩膜。


3.根据权利要求1所述的基于深度学习的建筑裂缝识别及识别效果的优化方法，其特征在于：所述步骤1)深度学习训练集标注软件为labelme,使用连续折线段沿裂缝边缘进行画线，并首尾相连组成闭合多边形，获得拟合裂缝形状的多边形框，以作为深度学习训练集。


4.根据权利要求1所述的基于深度学习的建筑裂缝识别及识别效果的优化方...

【专利技术属性】
技术研发人员：丁勇，郑正南，鲍震洋，唐运票，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32