基于半监督深度学习的多类型旧桥裂痕识别方法技术

本发明专利技术公开了一种基于半监督深度学习的多类型旧桥裂痕识别方法，该方法包括：对原始旧桥裂痕区域图像进行自商滤波处理；进行二值化处理、连通域分析筛选，得到裂痕图像；通过计算子区域的LBP特征来获得裂痕图像的全局LBP特征；利用标注孪生网络对图像进行自动标注；利用自动标注过的样本集对裂痕类型识别深度卷积神经网络进行训练，从而识别桥梁裂痕类型。利用本发明专利技术，在旧桥裂痕识别中，提高了裂痕类型识别精度和效率，降低了人工标注工作量。

Multi type old bridge crack recognition method based on semi supervised deep learning

【技术实现步骤摘要】
基于半监督深度学习的多类型旧桥裂痕识别方法
本专利技术涉及深度学习、计算机视觉
，基于半监督深度学习的多类型旧桥裂痕识别方法。
技术介绍
随着我国社会经济和交通运输事业的快速发展，修建于多年前的桥梁，其交通荷载已超过其设计荷载值数倍。桥梁设计之初，由于工艺、材料、施工水平等方面的欠缺，加上年久失修，许多旧桥已经出现了多种桥梁病害。大部分的病害都集中表现在裂痕方面，如挠度加大而出现裂痕、表面破损而出现裂痕、混凝土碳化造成钢筋锈蚀而产生裂痕等。目前对桥梁裂痕的检测还停留在人工判别的基础上。但是桥梁众多，人工判别不但成本高昂，其效率和准确性也难以满足对数量庞大的旧桥设施持续监测的需求。基于计算机视觉检测技术具有非接触、高效性和经济性等显著优势，在多类型旧桥裂痕自动识别领域有着广泛的应用前景。因此，也曾有国外研究机构提出采用计算机视觉的方法对多类型的旧桥裂痕进行检测。但由于检测处在自然光条件下，外界环境干扰较多，加上其特征选取的不够精准，导致其检测鲁棒性很低，无法满足实际应用的需求。也有研究提出采用深度学习的方式来对旧桥裂本文档来自技高网...

【技术保护点】
1.一种基于半监督深度学习的多类型旧桥裂痕识别方法，其特征在于，该方法包括：/n步骤一，对采集的原始旧桥裂痕区域图像进行自商滤波处理，得到滤波图像；/n步骤二，采用大津阈值法对滤波图像进行二值化处理，并对二值化结果进行连通域分析筛选，得到裂痕图像；/n步骤三，将裂痕图像划分为多个子区域，对每个子区域的像素点基于固定尺寸的模板计算二进制LBP值；/n步骤四，将得到的二进制LBP值进行向右循环移位操作，每完成一次移位操作计算其十进制数值，直到所有移位操作结束，取最小十进制数数值对应的二进制LBP值作为该像素点的LBP值；/n步骤五，计算每个子区域的LBP直方图，并将子区域的LBP直方图连接起来形成...

【技术特征摘要】
1.一种基于半监督深度学习的多类型旧桥裂痕识别方法，其特征在于，该方法包括：
步骤一，对采集的原始旧桥裂痕区域图像进行自商滤波处理，得到滤波图像；
步骤二，采用大津阈值法对滤波图像进行二值化处理，并对二值化结果进行连通域分析筛选，得到裂痕图像；
步骤三，将裂痕图像划分为多个子区域，对每个子区域的像素点基于固定尺寸的模板计算二进制LBP值；
步骤四，将得到的二进制LBP值进行向右循环移位操作，每完成一次移位操作计算其十进制数值，直到所有移位操作结束，取最小十进制数数值对应的二进制LBP值作为该像素点的LBP值；
步骤五，计算每个子区域的LBP直方图，并将子区域的LBP直方图连接起来形成全局LBP特征；
步骤六，将已有分类标注信息的原始旧桥裂痕区域图像的全局LBP特征输入标注孪生网络，对样本集进行自动标注；
步骤七，将自动标注过的原始旧桥裂痕区域图像样本集作为输入，对裂痕类型识别深度卷积神经网络进行训练，利用训练好的网络对旧桥裂痕区域图像进行推理，从而得到裂痕类别。


2.如权利要求1所述的基于半监督深度学习的多类型旧桥裂痕识别方法，其特征在于，所...

【专利技术属性】
技术研发人员：谢崇洪，廖满平，母富，焦克滨，贺飞，
申请(专利权)人：中建二局基础设施建设投资有限公司，
类型：发明
国别省市：北京;11