一种基于目标分割的桥梁钢索断裂检测方法及系统技术方案

本发明专利技术涉及一种基于目标分割的桥梁钢索断裂检测方法及系统，属于桥梁钢索检测技术领域，该方法包括：采集多张桥梁钢索图像作为数据集，桥梁钢索图像中包括钢索断裂的图像；构建断索分割网络；采用数据集训练断索分割网络，获得断索分割模型；采用断索分割模型对待检测桥梁钢索图像进行桥梁钢索断裂检测；断索分割网络包括编码器、第一多类型信息聚焦结构、第二多类型信息聚焦结构、第三多类型信息聚焦结构和解码器；通过不同尺度卷积核的卷积操作和不同倍数的上采样操作，从各个编码单元捕获不同程度的语义信息和细粒度信息，而且能够调节和优化不同特征在输出特征图中所占的信息比例，提高了断索分割准确率同时保证了检测的低成本。测的低成本。测的低成本。

【技术实现步骤摘要】
一种基于目标分割的桥梁钢索断裂检测方法及系统


[0001]本专利技术涉及桥梁钢索检测
，特别是涉及一种基于目标分割的桥梁钢索断裂检测方法及系统。

技术介绍

[0002]悬索桥是中国大跨度及特大跨度公路桥所采用的主要桥型。钢索作为悬索桥上的主要承重构件，长期承受外界环境与随机载荷的耦合作用，在服役期间易产生断裂现象，如果不能及时准确地发现钢索上的断裂损伤，则会对桥梁的安全性构成严重威胁。
[0003]现阶段的钢索服役状态监测主要依赖于各种索力检测技术，其中测试效果和使用重复性最佳的是光纤光栅法，但其具有应用成本高，损坏后不可更换等缺点，难以广泛应用。因此，亟需探索一种准确可靠且成本低廉的桥梁钢索断裂检测方法。

技术实现思路

[0004]本专利技术的目的是提供一种基于目标分割的桥梁钢索断裂检测方法及系统，提高了钢索断裂检测的准确性。
[0005]为实现上述目的，本专利技术提供了如下方案：一种基于目标分割的桥梁钢索断裂检测方法，包括：采集多张桥梁钢索图像作为数据集，所述桥梁钢索图像中包括钢索断裂的图像；构建断索分割网络；采用所述数据集训练所述断索分割网络，获得断索分割模型；采用所述断索分割模型对待检测桥梁钢索图像进行桥梁钢索断裂检测；所述断索分割网络包括编码器、第一多类型信息聚焦结构、第二多类型信息聚焦结构、第三多类型信息聚焦结构和解码器；所述编码器包括第一编码单元、第二编码单元、第三编码单元和第四编码单元；所述第一编码单元用于对输入图像A1进行两次卷积操作，获得特征图A3，并对特征图A3进行上采样操作，获得特征图B1；所述第二编码单元用于对所述特征图B1进行两次卷积操作，获得特征图B3，并对特征图B3进行上采样操作，获得特征图C1；所述第三编码单元用于对所述特征图C1进行两次卷积操作，获得特征图C3，并对特征图C3进行上采样操作，获得特征图D1；所述第四编码单元用于对所述特征图D1进行两次卷积操作，获得特征图D3；所述第一多类型信息聚焦结构用于对特征图A3进行卷积操作获得特征图A3_1，对特征图B3进行卷积操作获得特征图B3_1，对特征图C3进行卷积操作获得特征图C3_1，并将特征图A3_1、特征图B3_1和特征图C3_1进行通道维度的特征拼接，得到特征图E1；所述第二多类型信息聚焦结构用于对特征图A3进行卷积操作获得特征图A3_2，对特征图B3进行卷积操作获得特征图B3_2，对特征图C3进行2倍的上采样获得特征图C3_2，并将特征图A3_2、特征图B3_2和特征图C3_2进行通道维度的特征拼接，得到特征图F1；所述第三多类型信息聚焦结构用于对特征图A3进行卷积操作获得特征图A3_3，对特征图B3进行2倍的上采样获得特征图B3_3，对特征图C3进行4倍的上采样获得特征图C3_3，并将特征图A3_3、
特征图B3_3和特征图C3_3进行通道维度的特征拼接，得到特征图G1；所述解码器包括第一解码单元、第二解码单元和第三解码单元；所述第一解码单元用于对特征图D3进行上采样获得特征图E2，并将特征图E2与特征图E1进行通道维度的特征拼接结果进行两次卷积操作，获得特征图E4；所述第二解码单元用于对特征图E4进行上采样获得特征图F2，并将特征图F2与特征图F1进行通道维度的特征拼接结果进行两次卷积操作，获得特征图F4；所述第三解码单元用于对特征图F4进行上采样获得特征图G2，并将特征图G2与特征图G1进行通道维度的特征拼接结果进行两次卷积操作，获得特征图G4，将特征图G4转换为通道数为2的特征图G5，将特征图G5中第一通道图像转换为二值图，将所述二值图作为分割特征图输出。
[0006]可选地，所述第一编码单元用于对输入图像A1进行两次卷积核为1*1的卷积操作，获得特征图A3；所述第二编码单元用于对所述特征图B1进行两次卷积核为1*1的卷积操作，获得特征图B3；所述第三编码单元用于对所述特征图C1进行两次卷积核为1*1的卷积操作，获得特征图C3。
[0007]可选地，所述第一多类型信息聚焦结构用于对特征图A3进行卷积核为5*5、卷积核个数为64、步长为4的卷积操作获得特征图A3_1，对特征图B3进行卷积核为3*3、卷积核个数为64、步长为2的卷积操作获得特征图B3_1，对特征图C3进行卷积核为1*1、卷积核个数为128、步长为1的卷积操作获得特征图C3_1；所述第二多类型信息聚焦结构用于对特征图A3进行卷积核为3*3、卷积核个数为32、步长为2的卷积操作获得特征图A3_2，对特征图B3进行卷积核为1*1、卷积核个数为64、步长为1的卷积操作获得特征图B3_2；所述第三多类型信息聚焦结构用于对特征图A3进行卷积核为1*1、卷积核个数为16、步长为1的卷积操作获得特征图A3_3。
[0008]可选地，所述第一解码单元用于将特征图E2与特征图E1进行通道维度的特征拼接结果进行卷积核为1*1、卷积核个数为256的卷积操作，获得特征图E3，将特征图E3进行卷积核为1*1的卷积操作得到与特征图E3等尺度的特征图E4；所述第二解码单元用于将特征图F2与特征图F1进行通道维度的特征拼接结果进行卷积核为1*1、卷积核个数为128的卷积操作，获得特征图F3，将特征图F3进行卷积核为1*1的卷积操作得到与特征图F3等尺度的特征图F4；所述第三解码单元用于将特征图G2与特征图G1进行通道维度的特征拼接结果进行卷积核为1*1、卷积核个数为64的卷积操作，获得特征图G3，将特征图G3进行卷积核为1*1的卷积操作得到与特征图G3等尺度的特征图G4。
[0009]可选地，所述采用所述数据集训练所述断索分割网络，获得断索分割模型，具体包括：采用标注软件对所述数据集中桥梁钢索图像中钢索断裂区域进行标注，获得每张桥梁钢索图像对应的标注文件；采用所述数据集和与所述数据集中每张桥梁钢索图像对应的标注文件对所述断索分割网络进行训练，获得断索分割模型。
[0010]本专利技术公开了一种基于目标分割的桥梁钢索断裂检测系统，包括：数据集采集模块，用于采集多张桥梁钢索图像作为数据集，所述桥梁钢索图像中包括钢索断裂的图像；
断索分割网络构建模块，用于构建断索分割网络；断索分割网络训练模块，用于采用所述数据集训练所述断索分割网络，获得断索分割模型；钢索图像断裂检测模块，用于采用所述断索分割模型对待检测桥梁钢索图像进行桥梁钢索断裂检测；所述断索分割网络包括编码器、第一多类型信息聚焦结构、第二多类型信息聚焦结构、第三多类型信息聚焦结构和解码器；所述编码器包括第一编码单元、第二编码单元、第三编码单元和第四编码单元；所述第一编码单元用于对输入图像A1进行两次卷积操作，获得特征图A3，并对特征图A3进行上采样操作，获得特征图B1；所述第二编码单元用于对所述特征图B1进行两次卷积操作，获得特征图B3，并对特征图B3进行上采样操作，获得特征图C1；所述第三编码单元用于对所述特征图C1进行两次卷积操作，获得特征图C3，并对特征图C3进行上采样操作，获得特征图D1；所述第四编码单元用于对所述特征图D1进行两次卷积操作，获得特征图D3；所述第一多类型信息聚焦结构用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于目标分割的桥梁钢索断裂检测方法，其特征在于，包括：采集多张桥梁钢索图像作为数据集，所述桥梁钢索图像中包括钢索断裂的图像；构建断索分割网络；采用所述数据集训练所述断索分割网络，获得断索分割模型；采用所述断索分割模型对待检测桥梁钢索图像进行桥梁钢索断裂检测；所述断索分割网络包括编码器、第一多类型信息聚焦结构、第二多类型信息聚焦结构、第三多类型信息聚焦结构和解码器；所述编码器包括第一编码单元、第二编码单元、第三编码单元和第四编码单元；所述第一编码单元用于对输入图像A1进行两次卷积操作，获得特征图A3，并对特征图A3进行上采样操作，获得特征图B1；所述第二编码单元用于对所述特征图B1进行两次卷积操作，获得特征图B3，并对特征图B3进行上采样操作，获得特征图C1；所述第三编码单元用于对所述特征图C1进行两次卷积操作，获得特征图C3，并对特征图C3进行上采样操作，获得特征图D1；所述第四编码单元用于对所述特征图D1进行两次卷积操作，获得特征图D3；所述第一多类型信息聚焦结构用于对特征图A3进行卷积操作获得特征图A3_1，对特征图B3进行卷积操作获得特征图B3_1，对特征图C3进行卷积操作获得特征图C3_1，并将特征图A3_1、特征图B3_1和特征图C3_1进行通道维度的特征拼接，得到特征图E1；所述第二多类型信息聚焦结构用于对特征图A3进行卷积操作获得特征图A3_2，对特征图B3进行卷积操作获得特征图B3_2，对特征图C3进行2倍的上采样获得特征图C3_2，并将特征图A3_2、特征图B3_2和特征图C3_2进行通道维度的特征拼接，得到特征图F1；所述第三多类型信息聚焦结构用于对特征图A3进行卷积操作获得特征图A3_3，对特征图B3进行2倍的上采样获得特征图B3_3，对特征图C3进行4倍的上采样获得特征图C3_3，并将特征图A3_3、特征图B3_3和特征图C3_3进行通道维度的特征拼接，得到特征图G1；所述解码器包括第一解码单元、第二解码单元和第三解码单元；所述第一解码单元用于对特征图D3进行上采样获得特征图E2，并将特征图E2与特征图E1进行通道维度的特征拼接结果进行两次卷积操作，获得特征图E4；所述第二解码单元用于对特征图E4进行上采样获得特征图F2，并将特征图F2与特征图F1进行通道维度的特征拼接结果进行两次卷积操作，获得特征图F4；所述第三解码单元用于对特征图F4进行上采样获得特征图G2，并将特征图G2与特征图G1进行通道维度的特征拼接结果进行两次卷积操作，获得特征图G4，将特征图G4转换为通道数为2的特征图G5，将特征图G5中第一通道图像转换为二值图，将所述二值图作为分割特征图输出。2.根据权利要求1所述的基于目标分割的桥梁钢索断裂检测方法，其特征在于，所述第一编码单元用于对输入图像A1进行两次卷积核为1*1的卷积操作，获得特征图A3；所述第二编码单元用于对所述特征图B1进行两次卷积核为1*1的卷积操作，获得特征图B3；所述第三编码单元用于对所述特征图C1进行两次卷积核为1*1的卷积操作，获得特征图C3。3.根据权利要求1所述的基于目标分割的桥梁钢索断裂检测方法，其特征在于，所述第一多类型信息聚焦结构用于对特征图A3进行卷积核为5*5、卷积核个数为64、步长为4的卷积操作获得特征图A3_1，对特征图B3进行卷积核为3*3、卷积核个数为64、步长为2的卷积操作获得特征图B3_1，对特征图C3进行卷积核为1*1、卷积核个数为128、步长为1的卷积操作获得特征图C3_1；所述第二多类型信息聚焦结构用于对特征图A3进行卷积核为3*3、卷积核个数为32、步长为2的卷积操作获得特征图A3_2，对特征图B3进行卷积核为1*1、卷积核个数为64、步长为
1的卷积操作获得特征图B3_2；所述第三多类型信息聚焦结构用于对特征图A3进行卷积核为1*1、卷积核个数为16、步长为1的卷积操作获得特征图A3_3。4.根据权利要求1所述的基于目标分割的桥梁钢索断裂检测方法，其特征在于，所述第一解码单元用于将特征图E2与特征图E1进行通道维度的特征拼接结果进行卷积核为1*1、卷积核个数为256的卷积操作，获得特征图E3，将特征图E3进行卷积核为1*1的卷积操作得到与特征图E3等尺度的特征图E4；所述第二解码单元用于将特征图F2与特征图F1进行通道维度的特征拼接结果进行卷积核为1*1、卷积核个数为128的卷积操作，获得特征图F3，将特征图F3进行卷积核为1*1的卷积操作得到与特征图F3等尺度的特征图F4；所述第三解码单元用于将特征图G2与特征图G1进行通道维度的特征拼接结果进行卷积核为1*1、卷积核个数为64的卷积操作，获得特征图G3，将特征图G3进行卷积核为1*1的卷积操作得到与特征图G3等尺度的特征图G4。5.根据权利要求1所述的基于目标分割的桥梁钢索断裂检测方法，其特征在于，所述采用所述数据集训练所述断索分割网络，获得断索分割模型，具体包括：采用标注软件对所述数据集中桥梁钢索图像中钢索断裂区域进行标注，获得每张桥梁钢索图像对应的标注文件；采用所述数据集和与所述数据集中每张桥梁钢索图像对应的标注文件对所述断索分割网络进行训练，获得断索分割模型。6.一种基于目标分割的桥梁钢索断裂检测系统，其特征在于，包括：数据集...

【专利技术属性】
技术研发人员：张超，张波，
申请(专利权)人：科大天工智能装备技术天津有限公司，
类型：发明
国别省市：