一种水下结构物病害数据处理方法技术

本发明专利技术公开了一种水下结构物病害数据处理方法，通过水下机器人拍摄水下结构物的图像，并从中分割出包含病害的图像作为原始图像；获取训练图像集，训练图像集包括训练原始图像和训练病害图像，将训练原始图像进行预处理，并在处理后的训练原始图像中标记病害得到训练病害图像，对神经网络模型进行训练，得到训练好的神经网络模型；将原始图像完成预处理之后输入到的神经网络模型中，输出得到病害图像，输出病害图像；分析病害图像，得到病害的特征数据。本发明专利技术通过水下机器人拍摄到水下结构物的图像，并引入神经网络模型对水下结构物的图像进行处理，得到水下结构物的病害图像，并对病害图像进行分析处理，从而满足研究的需求。求。求。

【技术实现步骤摘要】
一种水下结构物病害数据处理方法


[0001]本专利技术涉及数据处理领域，特别涉及一种水下结构物病害数据处理方法。

技术介绍

[0002]水下结构物指的是位于水面下的建筑物，由于屹立在水下，长期受到水流的冲刷和水下生物的侵袭，其表面往往会产生一些病害，这些病害即是水下结构物上的裂纹。而对于这些水下结构物的病害在检测的时候，往往是使用人工探测的方式，即是研究人员穿上潜水服潜入水中，深入到水下结构物的表面，对水下结构物的病害进行观察和测量，从而得到最新的水下结构物的病害数据，方便在岸上进行研究和观测。但是这样的方式需要研究人员潜入水下进行数据的采集，而水下没有任何的记录设施，只能凭借研究人员的记忆得到病害的数据进行研究，这样非常容易使得病害的数据不够真实和具体，误差会较大，同时，从研究人员的安全和研究效率的角度，这样的方式也不是一个较佳的方式。

技术实现思路

[0003]本专利技术的目的是克服上述现有技术中存在的问题，提供一种水下结构物病害数据处理方法，通过水下机器人拍摄到水下结构物的图像，并引入神经网络模型对水下结构物的图像进行处理，得到水下结构物的病害图像，并对病害图像进行分析处理，从而满足研究的需求。
[0004]为此，本专利技术提供一种水下结构物病害数据处理方法，包括如下步骤：通过水下机器人拍摄水下结构物的图像，并从中分割出包含病害的图像作为原始图像；获取训练图像集，所述训练图像集包括训练原始图像和训练病害图像，将所述训练原始图像进行预处理，并在处理后的训练原始图像中标记病害得到训练病害图像；建立神经网络模型，将所述训练原始图像完成预处理之后作为输入，将所述训练病害图像作为输出，对所述神经网络模型进行训练，得到训练好的神经网络模型；将所述原始图像完成预处理之后输入到所述的神经网络模型中，输出得到病害图像，输出所述病害图像；将所述原始图像完成预处理之后作为输入，将所述病害图像作为输出，对所述的神经网络模型进行修正，更新所述神经网络模型；分析所述病害图像，得到所述病害的特征数据。
[0005]进一步，将所述原始图像进行预处理的时候，包括如下步骤：将所述原始图像调整为设定的像素尺寸，所述像素尺寸与所述神经网络模型一一对应；对调整后的所述原始图像进行归一化处理，使得所述原始图像的位移、旋转度以及尺度变换在特定范围内均匀分布；将归一化处理后的原始图像转化为转换为三维数组的格式。
[0006]更进一步，所述神经网络模型为U型神经网络，所述U型神经网络包括依次顺序对称排列的多个下采样模块、多个非对称残差模块、多个弱瓶颈模块以及多个上采样模块。
[0007]更进一步，所述原始图像调整为1024*512像素大小，则所述三维数组的格式的原始图像为1024*512*3的三维数组，所述U型神经网络包括：输入层i，输出层O23，多个下采样模块D1、D2以及D8，多个非对称残差模块A3～A7、A21～A22，多个弱瓶颈模块N9～N16、N18～N19，多个上采样模块U17、U20。
[0008]更进一步，所述U型神经网络在工作的时候包括如下步骤：所述输入层i将所述原始图像以1024*512*3的三维数组的格式传入D1中，并输出大小为512*256*16的三维数组到D2；D2接收到输入后，输出大小为256*128*64的三维数组到A3；依次进入A3~A7，分别输出大小为256*128*64的三维数组到D8，同时在A3~A7中分别进行像素丢弃；进入D8，输出大小为256*128*64的三维数组到N9；依次进入N9~N12，设置N9~N12的空洞率依次为2、4、8以及16，每一层输出大小为128*64*256的三维数组；依次进入N13~N16同样为空洞卷积层，设置N13~N16的空洞率依次为2、4、8以及16，每一层输出大小为128*64*128的三维数组；U17收到N16输出的三维数组，并转换为256*128*64的三维数组；依次进入N18~N19，输出256*128*64的三维数组；U20将输入的256*128*64的三维数组，转换为512*256*16的三维数组；依次进入A21~A22，输出512*256*16的三维数组；输出层O23将512*256*16的三维数组还原到1024*512*3的三维数组，得到所述病害图像的三维数组的格式，输出所述病害图像。
[0009]更进一步，在A22输出512*256*16的三维数组之后，包括如下步骤：分别对每一个像素进行像素位置判别；将像素位置判别为中心像素位置的像素进行卷积分类，得出该像素的像素标签；映射中心像素标签，得出超像素标签；遍历全部的像素完成对512*256*16三维数组的更新，并进入输出层O23。
[0010]进一步，分析所述病害图像得到所述病害的特征数据的时候，包括如下步骤：将所述病害图像转化为二维数组，并提取出所述病害图像中的病害轮廓；根据所述病害轮廓判断所述病害类型，并得到所述病害类型对应的特征提取方式；根据所述特征提取方式在所述病害类型中完成所述病害的特征数据的提取；输出所述病害类型以及对应的特征数据。
[0011]更进一步，所述病害图像的像素点通过坐标的方式表示，所述病害轮廓通过坐标点集合的方式表示。
[0012]更进一步，在得到所述病害类型对应的特征提取方式的时候，包括如下步骤：分别获取所述病害轮廓中各个相邻的两个坐标点之间的斜率，并将在误差在设定范围内的斜率对应的坐标点归纳在一起，得到轮廓线；
分别根据坐标的个数计算每一条轮廓线的长度，并将每个所述轮廓线的长度和斜率一一对应；在病害数据库中查找各个轮廓线的斜率一致且长度成比例的病害，并得到对应的特征提取方式；所述病害数据库用于存储病害对应的各个轮廓线的斜率和长度以及特征提取方式。
[0013]本专利技术提供的一种水下结构物病害数据处理方法，具有如下有益效果：本专利技术通过水下机器人拍摄到水下结构物的图像，并引入神经网络模型对水下结构物的图像进行处理，得到水下结构物的病害图像，并对病害图像进行分析处理，从而满足研究的需求；由于水下机器人所述拍摄的图像是位于水中，因此所得到原始图像在水流的影响下较为模糊，因此本专利技术使用U型神经网络，通过对图像的像素进行处理，将水下机器人所得到的原始图像处理后直接生成黑白的病害图像，同时保留原始图像，使得研究的时候可以快速的查找到病害的位置并清楚的了解到病害的特点；本专利技术的神经网络模型在使用的过程中，不断的进行修正，使得所得到的病害图像与研究的需求逐步完全匹配，减少研究的后续工作量；本专利技术在得到病害图像之后，对病害图像的像素进行分析，同时结合其周围的像素对其进行修正，更新修正后的病害图像，这样所得到的病害图像中的病害就会更加的清晰连续，从而反映出病害的真实情况。
附图说明
[0014]图1为本专利技术的整体流程示意框图；图2为本专利技术进行预处理的流程示意框图；图3为本专利技术的U型神经网络在工作的流程示意框图；图4为本专利技术进行病害图像优化的流程示意框图；图5为本专利技术的各个流程的对比图；图6为本专利技术分析病害图像的流程示意框图；图7为本专利技术得到病害本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水下结构物病害数据处理方法，其特征在于，包括如下步骤：通过水下机器人拍摄水下结构物的图像，并从中分割出包含病害的图像作为原始图像；获取训练图像集，所述训练图像集包括训练原始图像和训练病害图像，将所述训练原始图像进行预处理，并在处理后的训练原始图像中标记病害得到训练病害图像；建立神经网络模型，将所述训练原始图像完成预处理之后作为输入，将所述训练病害图像作为输出，对所述神经网络模型进行训练，得到训练好的神经网络模型；将所述原始图像完成预处理之后输入到所述的神经网络模型中，输出得到病害图像，输出所述病害图像；将所述原始图像完成预处理之后作为输入，将所述病害图像作为输出，对所述的神经网络模型进行修正，更新所述神经网络模型；分析所述病害图像，得到所述病害的特征数据。2.如权利要求1所述的一种水下结构物病害数据处理方法，其特征在于，将所述原始图像进行预处理的时候，包括如下步骤：将所述原始图像调整为设定的像素尺寸，所述像素尺寸与所述神经网络模型一一对应；对调整后的所述原始图像进行归一化处理，使得所述原始图像的位移、旋转度以及尺度变换在特定范围内均匀分布；将归一化处理后的原始图像转化为转换为三维数组的格式。3.如权利要求2所述的一种水下结构物病害数据处理方法，其特征在于，所述神经网络模型为U型神经网络，所述U型神经网络包括依次顺序对称排列的多个下采样模块、多个非对称残差模块、多个弱瓶颈模块以及多个上采样模块。4.如权利要求3所述的一种水下结构物病害数据处理方法，其特征在于，所述原始图像调整为1024*512像素大小，则所述三维数组的格式的原始图像为1024*512*3的三维数组，所述U型神经网络包括：输入层i，输出层O23，多个下采样模块D1、D2以及D8，多个非对称残差模块A3～A7、A21～A22，多个弱瓶颈模块N9～N16、N18～N19，多个上采样模块U17、U20。5.如权利要求4所述的一种水下结构物病害数据处理方法，其特征在于，所述U型神经网络在工作的时候包括如下步骤：所述输入层i将所述原始图像以1024*512*3的三维数组的格式传入D1中，并输出大小为512*256*16的三维数组到D2；D2接收到输入后，输出大小为256*128*64的三维数组到A3；依次进入A3~A7，分别输出大小为256*128*64的三维数组到D8，同时在A3~A7中分别进行像素丢弃；进入D8，输出大小为256*128*64的...

【专利技术属性】
技术研发人员：赵柯东，
申请(专利权)人：陕西易合交通科技有限公司，
类型：发明
国别省市：