【技术实现步骤摘要】
基于FasterR-CNN的桥梁裂缝实例分割方法
本专利技术属于图像目标检测
，具体涉及一种基于FasterR-CNN的桥梁裂缝实例分割方法。
技术介绍
桥梁作为连接两跨度较大位置点的重要载体，为我国的道路运输发挥着重要的作用。但是桥梁在经过长期的日晒雨淋和负载作业中，所产生的内部应力也会沿着桥梁结构传递到一些薄弱部位，致使该位置结构表面易存在裂缝的产生和发展，而不同走向的表面裂缝对桥梁结构的危害程度也有所不同，若表面裂缝的延伸走向与结构承载面相垂直时，易引发不安全事故。经工程实践和理论分析表明，大部分在役桥梁都是带裂缝工作的，而桥梁裂缝带来的潜在危害不容小觑。一旦混凝土桥梁出现较为严重的裂缝，外界空气和有害介质会很容易渗透到混凝土内部经过化学反应产生碳酸盐，造成其中钢筋的碱度环境降低，表面的纯化膜遭受破坏后更易产生锈蚀，此外，混凝土碳化也会加剧收缩开裂，对混凝土桥梁的安全使用产生严重危害。作为桥梁建设中最常见的病害特征，极为细小的裂缝(小于0.05mm)一般对结构性能影响不大，可以允许其存在；而较大裂缝则可能...
【技术保护点】
1.基于Faster R-CNN的桥梁裂缝实例分割方法，其特征在于，包括以下步骤：/n步骤一、构建桥梁裂缝数据集/n1)将采集的桥梁裂缝图像进行归一化处理，归一化为256×256分辨率的桥梁裂缝图像；/n2)采用几何变换、线性变换、图像滤波算法对归一化后的桥梁裂缝图像样本数量进行扩增；/n3)将扩增后的桥梁裂缝数据划分为训练集、测试集和验证集；/n步骤二、标注训练样本/n对步骤一划分的训练集样本进行标注；/n步骤三、搭建改进Faster R-CNN的桥梁裂缝实例分割模型/n1)添加裂缝掩膜分支；/n2)用感兴趣区域对齐替代感兴趣区域池化；/n3)添加预测裂缝掩膜交并比分支/...
【技术特征摘要】
1.基于FasterR-CNN的桥梁裂缝实例分割方法，其特征在于，包括以下步骤：
步骤一、构建桥梁裂缝数据集
1)将采集的桥梁裂缝图像进行归一化处理，归一化为256×256分辨率的桥梁裂缝图像；
2)采用几何变换、线性变换、图像滤波算法对归一化后的桥梁裂缝图像样本数量进行扩增；
3)将扩增后的桥梁裂缝数据划分为训练集、测试集和验证集；
步骤二、标注训练样本
对步骤一划分的训练集样本进行标注；
步骤三、搭建改进FasterR-CNN的桥梁裂缝实例分割模型
1)添加裂缝掩膜分支；
2)用感兴趣区域对齐替代感兴趣区域池化；
3)添加预测裂缝掩膜交并比分支
步骤四、对步骤三搭建的实例分割模型进行训练
用步骤二中标注后的训练样本训练步骤三搭建好的FasterR-CNN的桥梁裂缝实例分割模型；
步骤五、对步骤四训练后的实例分割模型进行测试
训练完成后，用步骤一中的测试集样本测试训练完成后的FasterR-CNN的桥梁裂缝实例分割模型，用于验证改进后的FasterR-CNN的桥梁裂缝实例分割模型的鲁棒性；
步骤六、实际检测
将待识别的桥梁裂缝图像输入到经测试后的FasterR-CNN的桥梁裂缝实例分割模型中，判别该图像是否为桥梁裂缝图像，如果是桥梁裂缝图像就框出裂缝的位置，并生成桥梁裂缝分割掩膜。
2.根据权利要求1所述的基于FasterR-CNN的桥梁裂缝实例分割方法，其特征在于：所述步骤三中1)具体过程为：
裂缝掩膜分支是应用于每个裂缝感兴趣区域的小型全卷积网络，以像素到像素的方式预测桥梁裂缝分割掩膜，它将感兴趣区域分类器选择的正区域作为裂缝掩膜分支网络的输入；
然后生成相对应的由浮点数表示的软掩膜，且与FasterR-CNN模型中用于裂缝分类分支和边界框回归分支并行。
3.根据权利要求1所述的基于FasterR-CNN的桥梁裂缝实例分割方法，其特征在于：所述步骤三中2)具体过程为：
首先不对感兴趣区域或空间单元进行任何量化，避免提取的特征与输入之间的偏离；
然后采用双线性插值方法计算每个感兴趣区域单元中四个规则采样位置的输入特征的准确值；
最后采用最大值或平均值方式计算最终结果。
4.根据权利要求1所述的基于FasterR-CNN的桥梁裂缝实例分割方法，其特征在于：所述步骤三中3)具体过程为：
预测...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。