一种隧道结构裂缝的高精度识别方法技术

本发明专利技术涉及一种隧道结构裂缝的高精度识别方法。主要解决现有隧道结构裂缝自动识别准确率低、宽度计算不准确、误差大等技术问题。本发明专利技术的识别方法，主要包括以下步骤：S1、选取隧道结构包含裂缝的图像作为训练集，构建卷积神经网络模型，实现裂缝初步分割；S2、将初步分割后的裂缝区域，按照裂缝走向进行区域划分；S3、在区域内进行插值，提高图像的分辨率；S4、基于图像灰度差异性，精准获取裂缝边界；S5、计算图像背景的粗糙度、灰度均值，裂缝的拍摄角度、拍摄距离；结合裂缝实际宽度，搭建随机森林模型；S6、对裂缝进行分区模型训练，并记录当前裂缝的轨迹坐标与宽度值。本发明专利技术能够实现隧道结构裂缝的高精度、自动识别。自动识别。自动识别。

【技术实现步骤摘要】
一种隧道结构裂缝的高精度识别方法


[0001]本专利技术涉及隧道结构裂缝识别方法，特别是公开一种隧道结构裂缝的高精度识别方法，应用于隧道结构检测领域。

技术介绍

[0002]随着国内公路、地铁隧道的快速发展，隧道的运营规模越来越大。隧道结构裂缝时有发生，将会影响到隧道运营安全。应用广泛、快速发展的检测手段主要为机器视觉技术，但如何从海量图像中快速、准确地获取病害，并准确计算裂缝宽度是关键；专利技术一种隧道结构裂缝的高精度识别方法，实现隧道结构裂缝的精准识别和宽度计算。
[0003]随着数字图像处理技术和机器学习的发展，目前有较多基于图像的裂缝识别方法。专利ZL202110732505.7公开了一种基于R
‑
CNN的复杂路面裂缝识别方法，利用公共数据集ImageNet对MaskRCNN进行预训练和参数优化，再利用采集的路面裂缝作为数据集进行训练，实现裂缝的定位与识别；CN202010354695.9公开了一种基于UnetCNN图像识别和像素标定的混凝土裂缝宽度测定方法，训练UnetCNN网络对裂缝进行自动化识别，并搭建拍摄距离、焦距、像素实际尺寸的非线性模型，以实现宽度计算；专利CN202011290305.2公开了一种基于数字图像的隧道裂缝宽度计算方法，对裂缝图像进行轮廓特征提取，遍历裂缝的轮廓像素，利用拐点位置计算裂缝宽度。其方法均不能实现裂缝亚像素级的宽度识别，且考虑了距离对精度的影响，无法适应复杂背景下裂缝边界的精准查找，进而影响裂缝宽度计算。
[0004]综上，故迫切需要一种隧道结构裂缝的高精度识别方法，结合裂缝灰度变化趋势，进行升采样后获取裂缝亚像素级边界，结合影响裂缝宽度计算的多种因素，搭建随机森林模型，实现裂缝宽度精准计算。

技术实现思路

[0005]本专利技术的目的设计一种隧道结构裂缝的高精度识别方法，主要解决现有裂缝自动识别误检率高、准确率低、宽度计算不准确等技术问题。
[0006]本专利技术的核心思路：针对检测图像海量而存在裂缝的图像较少，先用yolo进行目标定位，再结合Unet进行目标分割；分割后的图像进行区域划分、上采样、边界提取，实现亚像素级边缘提取与宽度计算；结合灰度、角度、距离等因素，以实际测量裂缝宽度为输出，分区训练随机森林模型，实现裂缝宽度的精准识别。
[0007]本专利技术的目的可以通过以下技术方案来实现：一种隧道结构裂缝高精度识别方法，包括以下步骤：
[0008]S1、选取隧道结构包含裂缝的图像作为训练集，构建卷积神经网络模型，实现裂缝初步分割，所述步骤S1的具体操作如下：
[0009](1)选取不同地区、不同背景下的隧道结构裂缝图像50万张，作为训练集；
[0010](2)采用LabelImg对包含裂缝的区域进行标注，训练Yolov5模型，实现包含裂缝区域定位；
[0011](3)采用LabelMe对裂缝区域进行逐像素标注，训练Unet模型，实现裂缝边界初步分割，记用于测试的原图为Img，分割后的二值图记为ImgBw，只包含目标区域的原图记为ImgOrg；
[0012]S2、对裂缝初步分割区域细化处理，并按照裂缝走向进行区域划分，所述步骤S2的具体操作如下：
[0013](1)将ImgBw进行1次腐蚀处理，细化后的图像记为ImgBT；
[0014](2)获取ImgBT中分割区域的最小外接矩形，其宽度和高度记为B
W
、B
H
，若B
W
>B
H
，则将ImgBw依据水平方向进行N等分区域划分；若B
W
<B
H
，则将ImgOrg依据垂直方向进行N等分区域划分；分割后的N等分小区域，记为Ri，其中i＝1,2
……
N，N一般设为20；其宽度和高度分别记为W、H。
[0015]S3、在区域内进行插值，提高图像的分辨率，所述步骤S3的具体操作如下：
[0016](1)针对分割后的区域Ri，采用升采样提高图像分辨率；
[0017](2)设定升采样后图像记为RUi，其分辨率为W*H*T12，将Ri中每个像素的灰度值，赋给升采样后T12的中心位置，T1一般为奇数，可设为21；
[0018](3)对RUi其他位置的进行灰度赋值，具体操作如下：
[0019](a)获取图像RUi中(K1，K2)与T1的相除的余数，记为mk1、mk2；
[0020](b)获取其相邻四个方向的坐标，其在图像Ri中，对应坐标点为p1(＜K1/T1>，＜K2/T1>)、p2(＜K1/T1>+1，＜K2/T1>)、p3(＜K1/T1>+1，＜K2/T1>+1)、p4(＜K1/T1>，＜K2/T1>+1)，超出边界的坐标直接赋为边界值即可；其对应的灰度值为g(k),其中k∈{1,2,3,4}；转换到图像RUi中，对应坐标点为P1.x＝<(p1.x
‑
1)
×
T1+T1/2>,P1.y＝<(p1.y
‑
1)
×
T1+T1/2>，P2、P3、P4点坐标计算方法如P1，其中<>表示将计算结果四舍五入，取整；
[0021](c)计算(K1，K2)与P1、P2、P3、P4点之间的距离，分别记为dis1、dis2、dis3、dis4；
[0022](d)将计算的距离进行归一化，记为disn1、disn2、disn3、disn4，归一化公式如下：
[0023][0024](e)采用反距离权重法，计算距离的权重；首先DIS(k)＝1.0
‑
disn(k)，再按照步骤(d)中的公式对DIS进行归一化，最终的距离记为DISN；
[0025](f)计算当前点灰度值，其公式如下：
[0026][0027]S4、基于图像灰度差异性，精准获取裂缝边界，所述步骤S4的具体操作如下：
[0028](1)采用自适应边缘提取算法，获取RUi分割后的图像，记为RUw；
[0029](2)获取RUw中裂缝轨迹曲线，记为Si，并计算每个点的裂缝宽度，并缩小T1倍，记为W
ij
，其中i∈{1,2,...,N}；
[0030](3)按照上述步骤对所有区域进行宽度计算，记裂缝宽度最大值为CWmax、最小值为CWmin、均值为CWmean；
[0031]S5、计算图像背景的粗糙度、灰度均值，裂缝的拍摄角度、拍摄距离；结合裂缝实际宽度，搭建随机森林模型，所述步骤S5的具体操作如下：
[0032](1)计算图像Img的粗糙度，记为RO，按照不同的值，分为5个等级；
[0033](2)计算图像Img的灰度均值，记为Gr；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种隧道结构裂缝的高精度识别方法，其特征在于，所述的隧道结构裂缝高精度识别方法包括以下步骤：S1、选取隧道结构包含裂缝的图像作为训练集，构建卷积神经网络模型，实现裂缝初步分割；S2、对裂缝初步分割区域细化处理，并按照裂缝走向进行区域划分；S3、在区域内进行插值，提高图像的分辨率；S4、基于图像灰度差异性，精准获取裂缝边界；S5、计算图像背景的粗糙度、灰度均值，裂缝的拍摄角度、拍摄距离；结合裂缝实际宽度，搭建随机森林模型；S6、对裂缝进行分区模型训练，并记录当前裂缝的轨迹坐标与宽度值。2.根据权利要求1所述的一种隧道结构裂缝的高精度识别方法，其特征在于，所述步骤S1的具体操作如下：(1)选取不同地区、不同背景下的隧道结构裂缝图像，作为训练集；(2)采用LabelImg对包含裂缝的区域进行标注，训练Yolov5模型，实现包含裂缝区域定位；(3)采用LabelMe对裂缝区域进行逐像素标注，训练Unet模型，实现裂缝边界初步分割，记用于测试的原图为Img，分割后的二值图记为ImgBw，只包含目标区域的原图记为ImgOrg。3.根据权利要求1所述的一种隧道结构裂缝的高精度识别方法，其特征在于，所述步骤S2的具体操作如下：(1)将ImgBw进行1次腐蚀处理，细化后的图像记为ImgBT；(2)获取ImgBT中分割区域的最小外接矩形，其宽度和高度记为B
W
、B
H
，若B
W
＞B
H
，则将ImgBw依据水平方向进行N等分区域划分；若B
W
＜B
H
，则将ImgOrg依据垂直方向进行N等分区域划分；分割后的N等分小区域，记为Ri，其中i＝1,2
……
N；其宽度和高度分别记为W、H。4.根据权利要求1所述的一种隧道结构裂缝的高精度识别方法，其特征在于，所述步骤S3的具体操作如下：(1)针对分割后的区域Ri，采用升采样提高图像分辨率；(2)设定升采样后图像记为RUi，其分辨率为W*H*T12，将Ri中每个像素的灰度值，赋给升采样后T12的中心位置；(3)对RUi其他位置的进行灰度赋值，具体操作如下：(a)获取图像RUi中(K1，K2)与T1的相除的余数，记为mk1、mk2；(b)获取其相邻四个方向的坐标，其在图像Ri中，对应坐标点为p1(＜K1/T1>，＜K2/T1>)、p2(＜K1/T1>+1，＜K2/T1>)、p3(＜K1/T1>+1，＜K2/T1>+1)、p4(＜K1/T1>，＜K2/T1>+1)，超出边界的坐标直接赋为边界值即可；其对应的灰度值为g(k),其中k∈{1,2,3,4}；转换到图像RUi中，对应坐标点为P1.x＝<(p1.x
‑
1)
×
T1+T1/2>,P1.y＝<(p1.y
‑
1)
×
...

【专利技术属性】
技术研发人员：刘学增，刘新根，陈莹莹，
申请(专利权)人：上海同岩土木工程科技股份有限公司，
类型：发明
国别省市：