【技术实现步骤摘要】
一种基于深度卷积神经网络的隧道表面缺陷分类方法
本专利技术属于计算机视觉和图像分析领域，具体涉及一种基于深度卷积神经网络的隧道表面缺陷分类方法。
技术介绍
近年来，随着我国社会经济的迅猛发展，交通运输的地位越来越重要，隧道建设力度也不断加大。然而随着使用时间的增加以及环境的影响，隧道表面难免会出现各种缺陷。对缺陷进行准确、及时的分类可以协助有关部门开展针对性的缺陷整治方案。然而，传统的隧道表面缺陷分类方法大多依赖于人工目视检测，十分费时费力。因此，开发一种高效的地铁隧道表面缺陷分类方法具有重要的实际应用意义。深度学习技术具有强大的特征学习能力，能够直接从原始图像中自动学习分类特征，相较于传统的人工目视方法以及传统的图像处理方法，基于深度学习的分类方法具有高效率和高准确率的特点，使之在隧道表面缺陷检测这一领域具有广泛的应用前景。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于深度卷积神经网络的隧道表面缺陷分类方法来解决现有技术中的传统的隧道表面缺陷分类方法大多依赖于人工目视检测，十分费时费...
【技术保护点】
1.一种基于深度卷积神经网络的隧道表面缺陷分类方法，其特征在于：具体包括以下步骤：/nS1.图像获取：利用图像采集装置自动采集隧道表面图像；/nS2.数据库构建：对步骤S1采集到的原始图像进行图像预处理操作，对预处理后的图像进行分类构建隧道表面缺陷数据库；/nS3.图像检测和分类：构建深度卷积神经网络，进行隧道表面缺陷检测及分类。/n
【技术特征摘要】
1.一种基于深度卷积神经网络的隧道表面缺陷分类方法，其特征在于：具体包括以下步骤：
S1.图像获取：利用图像采集装置自动采集隧道表面图像；
S2.数据库构建：对步骤S1采集到的原始图像进行图像预处理操作，对预处理后的图像进行分类构建隧道表面缺陷数据库；
S3.图像检测和分类：构建深度卷积神经网络，进行隧道表面缺陷检测及分类。
2.根据权利要求1所述的一种基于深度卷积神经网络的隧道表面缺陷分类方法，其特征在于：所述步骤S1中所使用的图像采集装置包括一个移动小车、4个CCD摄像机、照明设备、电源、图像采集卡和计算机，所述设备均设于移动小车上，所述电源为设备提供用电；图像采集时移动小车沿着隧道前进的同时启动摄像机进行拍摄，获取隧道表面图像；
图像采集后对采集到的原始图像进行裁剪操作，裁剪得到的隧道表面图像的统一尺寸为227×227，并通过人工挑选其中包含有缺陷的图像，所述的隧道表面缺陷包括裂缝、渗漏水和掉块三类。
3.根据权利要求1所述的一种基于深度卷积神经网络的隧道表面缺陷分类方法，其特征在于：所述步骤S2具体包括以下步骤：
(1)采用均值削减方法对步骤S1裁剪过的隧道表面缺陷图像进行预处理，增强图像特征；
(2)采用数据增强方法扩充隧道表面缺陷图像；
(3)人工注释隧道表面缺陷，建立隧道表面缺陷图像数据库。
4.根据权利要求3所述的一种基于深度卷积神经网络的隧道表面缺陷分类方法，其特征在于：所述步骤(1)中对隧道表面缺陷图像进行均值削减处理采用的公式为：
其中，表示样本X的均值，xi表示第i个样本数据，N表示样本总数量，x'i表示均值削减处理后的样本。
5.根据权利要求3所述的一种基于深度卷积神经网络的隧道表面缺陷分类方法，其特征在于：所述步骤(2)中使用的数据增强方法具体为：水平翻转、垂直翻转、随机裁剪、随机翻转和噪声处理。
6.根据权利要求3所述的一种基于深度卷积神经网络的隧道表面缺陷分类方法，其特征在于：所述步骤(3)的具体方法为：人工对包含裂缝、渗漏水及掉块的隧道表面图像进行注释并构建隧道表面缺陷样本集，其中，随机选取80％的样本图像作为训练集，10％的样本图像作为验证集，10％的样本图像作为测试集。
7.根据权利要求1所述的一种基于深度卷积神经网络的隧道表面缺陷分类方法，其特征在于：所述步骤S3具体包括以下步骤：
(1)构建基于深度卷积神经网络的隧道表面缺陷分类模型；
(2)设计缺陷分类网络模型的损失函数，利用训练集样本图像进行模型训练；
(3)利用训练好的分类模型进行隧道表面缺陷检测及分类，输出缺陷分类结果。
8.根据权利要求7所述的一种基于深度卷积...
【专利技术属性】
技术研发人员：汪俊，徐莹莹，李大伟，易程，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32
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。