基于编码与解码网络的桥梁裂缝检测方法、系统及介质技术方案

本发明专利技术公开了一种基于编码与解码网络的桥梁裂缝检测方法、系统及介质，应用于深度学习和裂缝检测领域，能够有效提取复杂背景下的裂缝特征，实现自动、高精度桥梁裂缝检测。该方法包括：获取桥梁表观裂缝图像；对所述桥梁表观裂缝图像进行标注，并通过扩增数据集方法进行数据扩增，得到数据集；构建编码与解码结构的深度学习神经网络；根据预设数据库对深度学习神经网络进行第一训练，得到第一模型；根据迁移学习方式和所述数据集对所述第一模型进行第二训练，得到第二模型；根据所述第二模型，对输入的待检测图片进行裂缝预测。对输入的待检测图片进行裂缝预测。对输入的待检测图片进行裂缝预测。

【技术实现步骤摘要】
基于编码与解码网络的桥梁裂缝检测方法、系统及介质


[0001]本专利技术涉及深度学习和裂缝检测领域，尤其涉及一种基于编码与解码网络的桥梁裂缝检测方法、系统及介质。

技术介绍

[0002]我国当前桥梁保有量极大，因此桥梁结构的安全严重影响到交通运行和经济发展。桥梁裂缝作为桥梁结构的代表性病害形式，如何对其进行有效检测受到大量关注。相关技术中，桥梁裂缝检测方式主要为人工目视检测，该方法受检测人员主观干扰较大，精度低且效率低下。另外，一些基于数字图像处理的方法中受到图像背景干扰较大，均需要手动调节阈值至合适大小，才能获得理想的检测效果。

技术实现思路

[0003]为了解决上述技术问题的至少之一，本专利技术提出一种基于编码与解码网络的桥梁裂缝检测方法、系统及介质，能够有效提取复杂背景下的裂缝特征，实现自动、高精度桥梁裂缝检测。
[0004]一方面，本专利技术实施例提供了基于编码与解码网络的桥梁裂缝检测方法，包括以下步骤：
[0005]获取桥梁表观裂缝图像；
[0006]对所述桥梁表观裂缝图像进行标注，并通过扩增数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于编码与解码网络的桥梁裂缝检测方法，其特征在于，包括以下步骤：获取桥梁表观裂缝图像；对所述桥梁表观裂缝图像进行标注，并通过扩增数据集方法进行数据扩增，得到数据集；构建编码与解码结构的深度学习神经网络；根据预设数据库对深度学习神经网络进行第一训练，得到第一模型；根据迁移学习方式和所述数据集对所述第一模型进行第二训练，得到第二模型；根据所述第二模型，对输入的待检测图片进行裂缝预测。2.根据权利要求1所述的基于编码与解码网络的桥梁裂缝检测方法，其特征在于，所述通过扩增数据集方法进行数据扩增，包括：通过缩放、添加噪声或添加阴影中的至少一项扩增数据集方法进行数据扩增。3.根据权利要求1所述的基于编码与解码网络的桥梁裂缝检测方法，其特征在于，所述深度学习神经网络包括编码路径、解码路径以及横向叠加路径；所述编码路径包括第一卷积层和池化层，所述第一卷积层用于提取输入图像的第一特征图，所述池化层用于压缩所述第一特征图；所述解码路径包括第二卷积层和上采样层，所述第二卷积层用于提取输入图像的第二特征图，所述上采样层用于放大所述第二特征图；所述横向叠加路径用于将所述第一卷积层提取的第一特征图叠加到所述解码路径的输入特征中。4.根据权利要求3所述的基于编码与解码网络的桥梁裂缝检测方法，其特征在于，所述编码路径设置有5层，第1层所述编码路径至第4层所述编码路径均包括所述第一卷积层和所述池化层，第5层所述编码路径包括所述第一卷积层，其中，所述第一卷积层包括两个3*3的卷积核，所述池化层包括2*2的池化核。5.根据权利要求4所述的基于编码与解码网络的桥梁裂缝检测方法，其特征在于，所述解码路径设置有5层，第2层所述解码路径至第4层所述解码路径的每一层所述解码路径均包括所述第二卷积层和所...

【专利技术属性】
技术研发人员：赵盈皓，胡贺松，陈航，唐孟雄，乔升访，季璇，
申请(专利权)人：广州建设工程质量安全检测中心有限公司，
类型：发明
国别省市：