一种基于新型注意力机制的混凝土桥梁表观裂缝识别方法技术

本发明专利技术提出一种基于新型注意力机制的混凝土桥梁表观裂缝识别方法，包括以下步骤；步骤S1、对收集到的混凝土桥梁表观裂缝进行图像预处理；步骤S2、对收集到的图像数据进行增广；步骤S3、对增广后得到的数据集进行归一化处理；然后将经过预处理、数据增广以及归一化处理后的数据按照预设的划分比例，划分为训练集、验证集以及测试集。步骤S4、建立深度残差网络与新型注意力机制相结合的混凝土桥梁表观裂缝识别模型。步骤S5、将步骤S3处理后的图像数据集导入识别模型进行训练以及测试，最终输出测试结果；本发明专利技术可以提升裂缝识别准确率，采用所发明专利技术的智能算法能够快速准确地识别出混凝土桥梁表观裂缝，减少了人工检查成本，极大提高了检测效率。大提高了检测效率。大提高了检测效率。

【技术实现步骤摘要】
一种基于新型注意力机制的混凝土桥梁表观裂缝识别方法


[0001]本专利技术涉及计算机图像处理
，尤其是一种基于新型注意力机制的混凝土桥梁表观裂缝识别方法。

技术介绍

[0002]我国是拥有众多河海湖泊的国家，桥梁的建设在我国经济发展之中有着举足轻重的地位，其是连接道路，公路，铁路等的交通枢纽。在长期的使用过程中，桥梁无可避免的受到荷载效应，材料老化劣化以及温度、湿度变化、暴雨暴雪等自然环境的影响，从而会影响桥梁的使用年限。如果不对桥梁进行定期的检查维护，会产生安全事故，危害人民的生命安全，因此亟需一种能够准确快速检测桥梁裂缝的方法。
[0003]目前，混凝土桥梁表观裂缝所采用的主要方法以人工检测为主，该方法主观性强，检查耗时耗力，其成本高、工作效率低下。另外对于一些环境恶劣的地方，检测人员难以进入，且可能会危害到检测人员的健康。并且，采用人工目视检测方法会存在着一定的漏检、误检的情况。
[0004]近年来，随着计算机技术的发展，基于数字图像处理的裂缝检测方法得到了广泛的关注，主要采用的是以Canny等算子为代表的边缘检测方法，但该方法受噪声，外界环境干扰等因素影响较大，导致检测准确率低下。随着神经网络技术的发展，以深度神经网络为主的检测方法掀起了热潮，但是随着网络的加深不可避免的会产生大量的运算，且未能达到预期的高准确率。

技术实现思路

[0005]本专利技术提出一种基于新型注意力机制的混凝土桥梁表观裂缝识别方法，可以提升裂缝识别准确率，采用所专利技术的智能算法能够快速准确地识别出混凝土桥梁表观裂缝，减少了人工检查成本，极大提高了检测效率。
[0006]本专利技术采用以下技术方案。
[0007]一种基于新型注意力机制的混凝土桥梁表观裂缝识别方法，包括以下步骤；
[0008]步骤S1、对收集到的混凝土桥梁表观裂缝进行图像预处理；
[0009]步骤S2、对收集到的图像数据进行增广，以满足用于图像识别的深度网络的训练需要；
[0010]步骤S3、对增广后得到的数据集进行归一化处理；然后将经过预处理、数据增广以及归一化处理后的数据按照预设的划分比例，划分为训练集、验证集以及测试集。
[0011]步骤S4、建立深度残差网络与新型注意力机制相结合的混凝土桥梁表观裂缝识别模型。
[0012]步骤S5、将步骤S3处理后的图像数据集导入识别模型进行训练以及测试，最终输出测试结果。
[0013]步骤S1中，对图像进行去噪以及均衡化处理；步骤S3中，数据按照6:2:2的划分比
例划分为训练集、验证集以及测试集。
[0014]步骤S2所述数据增广，利用上下翻转以及左右翻转的图像处理方法来对图像进行处理，以生成新的图像样本用于扩充图像数据。
[0015]步骤S3所述图像归一化处理方法为，对具有3个通道且像素范围在[0，255]之间RGB原始图像，为了加快网络的收敛速度，将图像的像素范围变为[0，1]之间，采用的归一化方法以公式表述为：
[0016][0017]其中X
i
,X
max
,X
min
分别表示该输入图像的第i个像素值、该输入图像最大像素以及该输入图像最小像素值；
[0018]所述步骤S3的图像的X
max
＝255,X
min
＝0，用于归一化的公式一简化为
[0019][0020]步骤S4中的深度残差网络为ResNet18网络，包括用于解决网络在训练过程中的梯度消失或者梯度爆炸问题的残差结构；
[0021]所述ResNet18网络分为十八层，由一个卷积层、八个残差块组成，每个残差块含2个卷积层、18个ReLU层、2个池化层、1个全连接层；
[0022]步骤S4中，新型注意力机制是由空间注意力模块与通道注意力模块进行串联，在CBAM注意力机制的基础上进行改进而得到的混合域注意力机制，在该机制中去除了平均池化而保留了最大池化，以防止平均池化造成的图像模糊；
[0023]新型注意力机制的通道注意力实现步骤如下所示：
[0024]步骤C1：输入特征图H
×
W
×
C，经过最大池化，特征图大小压缩为1
×1×
C；
[0025]步骤C2：经过第一个全连接层，通道维度压缩至其中r为压缩系数；
[0026]步骤C3：经过第二个全连接层，通道维度恢复至1
×1×
C；
[0027]步骤C4：经过两层全连接层后的特征图像经过Sigmoid激活函数的处理，得到最终的特征图；
[0028]步骤C5：将最终输出特征图与原始输入特征图作逐元素相乘，得到通道注意力模块输出，计算公式如下：
[0029]M
c
(F)＝σ(MLP(MaxPool(F)))
ꢀꢀꢀ
公式三；
[0030]其中F表示输入特征图；M
c
(F)表示空间注意力特征图；MLP表示全连接层；MaxPool表示最大池化；σ表示sigmoid激活函数；
[0031]其中步骤C2、步骤C3的作用是增加非线性和减少运算量；
[0032]新型注意力机制的空间注意力实现步骤如下：
[0033]步骤S1：输入特征图H
×
W
×
C，经过最大池化，特征图大小压缩为H
×
W
×
1；
[0034]步骤S2：通过1个7
×
7的等长卷积操作，得到特征图大小H
×
W
×
1；
[0035]步骤S3：经过两层全连接层后的特征图像经过Sigmoid激活函数的处理，得到最终的特征图；
[0036]步骤S4：将最终输出特征图与原始输入特征图作逐元素相乘，得到空间注意力模块输出，计算公式如下:
[0037]M
s
(F)＝σ(f7×7(MaxPool(F)))
ꢀꢀꢀ
公式四；
[0038]其中F表示输入特征图；M
s
(F)表示空间注意力特征图；MaxPool表示最大池化；f7×7表示卷积核大小为7
×
7的卷积层；σ表示sigmoid激活函数。
[0039]所述步骤S5中，将划分好的数据集放入到混凝土桥梁表观裂缝识别模型中进行模型的训练，训练时所使用的数据集是训练集，并且使用验证集来对网络进行微调，将训练效果最好的模型保留下来，并使用测试集对网络进行测试。
[0040]步骤S1对图像进行去噪时，采用中值滤波的方法对图像进行降噪；在对图像进行均衡化处理时，采用直方图均衡化的方法对图像进行均衡化。
[0041]本专利技术采用注意力机制模型能够聚焦于所关注的对象，本专利技术所述方案中，采用一种新型的注意力机制模型NDAM与深度残差神经网络相结合能够显著提升桥梁裂缝识别的准确率。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于新型注意力机制的混凝土桥梁表观裂缝识别方法，其特征在于：包括以下步骤；步骤S1、对收集到的混凝土桥梁表观裂缝进行图像预处理；步骤S2、对收集到的图像数据进行增广，以满足用于图像识别的深度网络的训练需要；步骤S3、对增广后得到的数据集进行归一化处理；然后将经过预处理、数据增广以及归一化处理后的数据按照预设的划分比例，划分为训练集、验证集以及测试集。步骤S4、建立深度残差网络与新型注意力机制相结合的混凝土桥梁表观裂缝识别模型。步骤S5、将步骤S3处理后的图像数据集导入识别模型进行训练以及测试，最终输出测试结果。2.根据权利要求1所述的一种基于新型注意力机制的混凝土桥梁表观裂缝识别方法，其特征在于：步骤S1中，对图像进行去噪以及均衡化处理；步骤S3中，数据按照6:2:2的划分比例划分为训练集、验证集以及测试集。3.根据权利要求1所述的一种基于新型注意力机制的混凝土桥梁表观裂缝识别方法，其特征在于：步骤S2所述数据增广，利用上下翻转以及左右翻转的图像处理方法来对图像进行处理，以生成新的图像样本用于扩充图像数据。4.根据权利要求1所述的一种基于新型注意力机制的混凝土桥梁表观裂缝识别方法，其特征在于：步骤S3所述图像归一化处理方法为，对具有3个通道且像素范围在[0，255]之间RGB原始图像，为了加快网络的收敛速度，将图像的像素范围变为[0，1]之间，采用的归一化方法以公式表述为：其中X
i
,X
max
,X
min
分别表示该输入图像的第i个像素值、该输入图像最大像素以及该输入图像最小像素值；所述步骤S3的图像的X
max
＝255,X
min
＝0，用于归一化的公式一简化为5.根据权利要求1所述的一种基于新型注意力机制的混凝土桥梁表观裂缝识别方法，其特征在于：步骤S4中的深度残差网络为ResNet18网络，包括用于解决网络在训练过程中的梯度消失或者梯度爆炸问题的残差结构；所述ResNet18网络分为十八层，由一个卷积层、八个残差块组成，每个残差块含2个卷积层、18个ReLU层、2个池化层、1个全连接层；步骤S4中，新型注意力机制是由空间注意力模块与通道注意力模块进行串联，在CBAM注意力机制的基础上进行改进而得到的混合域注意力机制，在该机制中去除了平均池化而保留了最大池化，以防止平均池化造成的图像模糊；新型注意力机制的通道注意力实现步骤如下所示：步骤C1：输入特征图H
×
W
×

【专利技术属性】
技术研发人员：范千，周利君，夏樟华，周梦原，
申请(专利权)人：福州大学，
类型：发明
国别省市：