基于全卷积神经网络的混凝土缺陷检测方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于全卷积神经网络的混凝土缺陷检测方法、装置及存储介质，其中方法包括：获取混凝土表面图像；将获取的混凝土表面图像输入到预先训练好的混凝土缺陷语义分割模型中，输出逐像素分类的混凝土缺陷语义分割图，实现混凝土缺陷识别；其中，所述混凝土缺陷语义分割模型为根据已进行标注的混凝土表面图像数据对全卷积神经网络进行训练后得到。上述方案为混凝土缺陷图像的像素级自动识别检测提供了一种有效手段，识别效率高，解决了人工巡视检查耗时耗力、缺陷细节及发展过程难以掌控的问题。

【技术实现步骤摘要】
基于全卷积神经网络的混凝土缺陷检测方法、装置及存储介质
本专利技术涉及混凝土安全监控领域，尤其涉及一种基于全卷积神经网络的混凝土缺陷检测方法、装置及存储介质。
技术介绍
很多时候需要对混凝土的安全状况进行监控检测，其中，巡视检查是混凝土安全监控中必不可少的部分，通过巡视检查可以及时发现裂纹、渗漏、析钙、露筋、破损等影响混凝土结构安全的缺陷。然而，巡视检查目前主要依赖于人工，不可避免存在检查耗时耗力，缺陷细节及发展过程难以掌控等问题。图像的语义分割技术能够自动获取图像中各像素的类别信息，为自动识别及分析混凝土缺陷信息提供了一种有效技术手段。然而，以往研究表明，传统的语义分割手段在不同场景下的混凝土的缺陷分割任务上表现一般，难以应用于实际。
技术实现思路
本专利技术提供了一种基于全卷积神经网络的混凝土缺陷检测方法、装置及存储介质，以解决目前主要依赖人工检测导致的检测效率低的问题。第一方面，提供了一种基于全卷积神经网络的混凝土缺陷检测方法，包括：获取混凝土表面图像；将获取的混凝土表面图像输入本文档来自技高网...

【技术保护点】
1.一种基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，包括：/n获取混凝土表面图像；/n将获取的混凝土表面图像输入到预先训练好的混凝土缺陷语义分割模型中，输出逐像素分类的混凝土缺陷语义分割图，实现混凝土缺陷识别；其中，所述混凝土缺陷语义分割模型为根据已进行标注的混凝土表面图像数据对全卷积神经网络进行训练后得到。/n

【技术特征摘要】
1.一种基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，包括：
获取混凝土表面图像；
将获取的混凝土表面图像输入到预先训练好的混凝土缺陷语义分割模型中，输出逐像素分类的混凝土缺陷语义分割图，实现混凝土缺陷识别；其中，所述混凝土缺陷语义分割模型为根据已进行标注的混凝土表面图像数据对全卷积神经网络进行训练后得到。


2.根据权利要求1所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述混凝土缺陷语义分割模型为根据已进行标注的混凝土表面图像数据对全卷积神经网络进行训练后得到，具体包括：
获取若干混凝土表面图像，并对其进行缺陷类别的逐像素分类标注；
基于已标注的若干混凝土表面图像划分训练集和验证集；
基于训练集和验证集对全卷积神经网络进行训练和优化，得到混凝土缺陷语义分割模型。


3.根据权利要求2所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述基于已标注的若干混凝土表面图像划分训练集和验证集之前还包括：
对已标注的若干混凝土表面图像进行图像增强处理。


4.根据权利要求3所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述图像增强处理包括:
对已标注的若干混凝土表面图像进行旋转、翻转、光照、对比度中的一种或多种增强处理，将最终生成的图像均作为样本用于构建训练集和验证集。


5.根据权利要求2至4任一项所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述基于已标注的若干混凝土表面图像划分训练集和验证集之前还包括：
对已标注的若干混凝土表面图像进行尺寸缩放预处理；
所述将获取的混凝土表面图像输入到预先训练好的混凝土缺陷语义分割模型中之前还包括：
对获取的混凝土表面图像进行尺寸缩放预处理。


6.根据权利要求2至4任一项所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述基于已标注的若干混凝土表面图像划分...

【专利技术属性】
技术研发人员：张军，刘海峰，朱聪，徐波，彭敏，陆新洁，
申请(专利权)人：国网湖南省电力有限公司，国网湖南省电力有限公司电力科学研究院，国家电网有限公司，
类型：发明
国别省市：湖南;43