基于强化学习算法的桥梁裂缝等级评估方法及系统技术方案

本发明专利技术提供了一种基于强化学习算法的桥梁裂缝等级评估方法及系统，属于桥梁结构健康监测领域。所述评估方法包括：采集裂缝图像，预处理后进行阈值分割，并提取裂缝的宽度特征、长度特征、走向特征、位面特征和纵向位置信息，构建裂缝基本数据库，并划分为训练集和测试集；基于强化学习算法构建桥梁裂缝等级评估模型，训练后得到稳定的裂缝等级评估模型；采集待评估裂缝图像，将所述裂缝图像预处理后，提取裂缝的长度特征、宽度特征、走向特征，通过无人飞机在巡航中的空间坐标获取裂缝位面特征和纵向位置信息，输入裂缝评估模型中，获得裂缝等级评估结果。本发明专利技术降低了人工测量引起的误差，提高了裂缝检测评估的效率和准确率。提高了裂缝检测评估的效率和准确率。提高了裂缝检测评估的效率和准确率。

【技术实现步骤摘要】
基于强化学习算法的桥梁裂缝等级评估方法及系统


[0001]本专利技术属于桥梁结构健康监测领域，具体涉及一种基于强化学习算法的桥梁裂缝等级评估方法及系统。
技术背景
[0002]桥梁评估工作既是桥梁管养工作重要一环也是其最基础的工作之一。在正常运营的桥梁中，主要承重结构的裂缝分布和发展趋势是检测评估过程中最重要的指标之一。
[0003]目前对于裂缝的检测评估通常采用传统的人工方式，但是，传统的人工检测评估方法耗时长、工作量大，且主观性强，评估结果不稳定，尤其当检测人员面对数量庞大的待检桥梁群时，相应的问题会更加突出，降低检测评估工作的效率和准确性。

技术实现思路

[0004]鉴于现有技术中的上述缺陷或不足，本专利技术旨在提供一种基于强化学习算法的桥梁裂缝等级评估方法及系统，基于裂缝图像的自动化采集，通过裂缝识别程序提取裂缝的特征信息，将裂缝特征数字化，降低人工测量引起的误差，并进一步利用裂缝等级评定模型对裂缝进行等级划分，有效降低检测人员的主观影响，提高裂缝检测评估的效率和准确率。
[0005]为了实现上述目的，本专利技术实施例采用如下技术方案：
[0006]第一方面，本专利技术实施例提供了一种基于强化学习算法的桥梁裂缝等级评估方法，所述评估方法包括：
[0007]通过无人机采集裂缝图像；
[0008]对所述裂缝图像进行预处理；
[0009]对预处理后的裂缝图像进行裂缝图像阈值分割，并提取裂缝形态特征；所述裂缝形态特征，包括裂缝的宽度特征、长度特征和走向特征；
[0010]根据无人机的飞行轨迹获取裂缝图像所在位面，提取位面特征；
[0011]根据无人机飞行轨迹及拍摄参数获取裂缝中心点在桥梁轴线上的纵向坐标，并将该纵向坐标归一化处理后作为裂缝纵向位置信息；
[0012]根据裂缝的宽度特征、长度特征、走向特征、位面特征及纵向位置信息，判断裂缝等级并生成裂缝编码，构建裂缝基本数据，所述裂缝基本数据包含三个层次的裂缝信息，分别为：桥梁层次的信息：桥梁编码、结构体系；构件层次的信息：结构类型、构件编码、构件纵向/横向/竖向尺寸；裂缝层次的信息：裂缝编码、宽度特征、长度特征、走向特征、位面特征、位置及等级；
[0013]将所有裂缝图像对应的裂缝基本数据按编码进行排列构建数据集，并将数据集划分为训练集和测试集；
[0014]基于强化学习算法构建桥梁裂缝等级评估模型，采用所述训练集对所述评估模型进行训练，并利用测试集对训练模型进行验证，得到稳定的裂缝等级评估模型；
[0015]采集待评估裂缝图像，将所述裂缝图像预处理后，提取裂缝的长度特征、宽度特
征、走向特征、位面特征和纵向位置信息，输入模型中，获得裂缝等级评估结果。
[0016]作为本专利技术的一个优选实施例，采集裂缝图像时，包括如下步骤：
[0017]步骤S11，采集桥梁图像；且在进行桥梁图像采集时，对桥梁的各个部分进行全方位采集；
[0018]步骤S12，对采集到的桥梁图像进行裂缝识别，将识别出来的满足裂缝条件的位置进行标注；
[0019]步骤S13，对所识别出来的裂缝位置处，再次进行局部图像采集，获得裂缝图像。
[0020]作为本专利技术的一个优选实施例，采集裂缝图像时，包括如下步骤：
[0021]步骤S11，采集桥梁图像；且在进行桥梁图像采集时，对桥梁的各个部分进行全方位采集；
[0022]步骤S12，对于采集到的桥梁图像进行裂缝识别，将识别出来的满足裂缝条件的位置进行标注；
[0023]步骤S14，将桥梁图像中裂缝位置处的裂缝图像进行分割，获得裂缝图像。
[0024]作为本专利技术的一个优选实施例，所述提取裂缝形态特征，包括：
[0025]步骤S31，获取裂缝的起点和终点，计算裂缝图像中心点，并以中心点对裂缝图像进行分割，获取以中心点为对称中心的最短距离边缘点和最长距离边缘点。本步骤中，进行图像分割时，核心算法采用SVM模型；
[0026]步骤S32，根据裂缝的起点和终点连线与桥梁纵向轴线的夹角，判断裂缝走向，并编制裂缝走向编码作为走向特征；
[0027]步骤S33，以最短距离边缘点间的距离为裂缝宽度，计算宽度特征；
[0028]步骤S34，以最长距离边缘点间的距离为裂缝长度，计算长度特征。
[0029]作为本专利技术的一个优选实施例，步骤S32所述判断裂缝走向，并编制裂缝走向编码作为走向特征，包括：
[0030]对于底面或顶面的裂缝，包括横向裂缝、纵向裂缝和斜向裂缝三种，其中横向裂缝与纵向轴线的夹角位于75
°
～90
°
之间，斜向裂缝与纵向轴线的夹角位于15
°
～75
°
之间，纵向裂缝与纵向轴线的夹角位于0
°
～15
°
之间；
[0031]对于侧面的裂缝，包括竖向裂缝、纵向裂缝和斜向裂缝三种，其中竖向裂缝与纵向轴线的夹角位于75
°
～90
°
之间，斜向裂缝与纵向轴线的夹角位于15
°
～75
°
之间，纵向裂缝与纵向轴线的夹角位于0
°
～15
°
之间；
[0032]在判断裂缝走向的基础上，构建四维向量作为走向编码，进行裂缝走向特征的编码编制，每种走向对应其中一个向量；当判定为当前走向时，赋值为1；否则赋值为0。
[0033]作为本专利技术的一个优选实施例，所述宽度特征采用相对宽度进行表征，如式(1)所示：
[0034][0035]式(1)中，代表裂缝的相对宽度；d代表裂缝的实际宽度；d
限
代表裂缝的宽度限值。
[0036]作为本专利技术的一个优选实施例，所述长度特征采用相对长度进行表征，如式(2)所示：
[0037][0038]式(2)中，代表裂缝的相对长度；l代表裂缝的在投影方向上的投影长度，将裂缝长度向三维空间直角坐标系的三个方向上进行投影，最长的作为投影长度，最长投影所在坐标轴为投影方向；L代表构件在投影方向上的结构尺寸。
[0039]作为本专利技术的一个优选实施例，裂缝的位面包括底面、顶面和侧面，构建三维向量以表示位面特征；三维向量中每一维表示一种位面，位于当前位面则取值为1，否则为0。
[0040]作为本专利技术的一个优选实施例，所述基于强化学习算法构建桥梁裂缝等级评估模型，所采用的算法网络共有四层网络，包括输入层、两个隐藏层和输出层，输入层的输入信息包括裂缝基本数据中的裂缝位面特征、裂缝长度特征、裂缝宽度特征和裂缝走向特征，隐藏层1有10个单元节点，隐藏层2有5个单元节点，输出层有5个单元节点，激活函数为RELU函数，输出结果为与对应裂缝评估结果的得分值Q相对应的裂缝等级。
[0041]第二方面，本专利技术实施例还提供了一种基于强化学习算法的桥梁裂缝等级评估系统，所述系统包括：搭载于无人机上的裂缝图像采集模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于强化学习算法的桥梁裂缝等级评估方法，其特征在于，所述评估方法包括：通过无人机采集裂缝图像；对所述裂缝图像进行预处理；对预处理后的裂缝图像进行裂缝图像阈值分割，并提取裂缝形态特征；所述裂缝形态特征，包括裂缝的宽度特征、长度特征和走向特征；根据无人机的飞行轨迹获取裂缝图像所在位面，提取位面特征；根据无人机飞行轨迹及拍摄参数获取裂缝中心点在桥梁轴线上的纵向坐标，并将该纵向坐标归一化处理后作为裂缝纵向位置信息；根据裂缝的宽度特征、长度特征、走向特征、位面特征及纵向位置信息，判断裂缝等级并生成裂缝编码，构建裂缝基本数据，所述裂缝基本数据包含三个层次的裂缝信息，分别为：桥梁层次的信息：桥梁编码、结构体系；构件层次的信息：结构类型、构件编码、构件纵向/横向/竖向尺寸；裂缝层次的信息：裂缝编码、宽度特征、长度特征、走向特征、位面特征、位置及等级；将所有裂缝图像对应的裂缝基本数据按编码进行排列构建数据集，并将数据集划分为训练集和测试集；基于强化学习算法构建桥梁裂缝等级评估模型，采用所述训练集对所述评估模型进行训练，并利用测试集对训练模型进行验证，得到稳定的裂缝等级评估模型；采集待评估裂缝图像，将所述裂缝图像预处理后，提取裂缝的长度特征、宽度特征、走向特征、位面特征和纵向位置信息，输入模型中，获得裂缝等级评估结果。2.根据权利要求1所述的桥梁裂缝等级评估方法，其特征在于，采集裂缝图像时，包括如下步骤：步骤S11，采集桥梁图像；且在进行桥梁图像采集时，对桥梁的各个部分进行全方位采集；步骤S12，对采集到的桥梁图像进行裂缝识别，将识别出来的满足裂缝条件的位置进行标注；步骤S13，对所识别出来的裂缝位置处，再次进行局部图像采集，获得裂缝图像。3.根据权利要求1所述的桥梁裂缝等级评估方法，其特征在于，所述进行裂缝图像采集时，包括如下步骤：步骤S11，采集桥梁图像；且在进行桥梁图像采集时，对桥梁的各个部分进行全方位采集；步骤S12，对于采集到的桥梁图像进行裂缝识别，将识别出来的满足裂缝条件的位置进行标注；步骤S14，将桥梁图像中裂缝位置处的裂缝图像进行分割，获得裂缝图像。4.根据权利要求1所述的桥梁裂缝等级评估方法，其特征在于，所述提取裂缝形态特征，包括：步骤S31，获取裂缝的起点和终点，计算裂缝图像中心点，并以中心点对裂缝图像进行分割，获取以中心点为对称中心的最短距离边缘点和最长距离边缘点；步骤S32，根据裂缝的起点和终点连线与桥梁纵向轴线的夹角，判断裂缝走向，并编制裂缝走向编码作为走向特征；
步骤S33，以最短距离边缘点间的距离为裂缝宽度，计算宽度特征；步骤S34，以最长距离边缘点间的距离为裂缝长度，计算长度特征。5.根据权利要求4所述的桥梁裂缝等级评估方法，其特征在于，步骤S32所述判断裂缝走向，并编制裂缝走向编码作为走向特征，包括：对于底面或顶面的裂缝，包括横向裂缝、纵向裂缝和斜向裂缝三种，其中横向裂缝与纵向轴线的夹角位于75
°
～90
°
之间，斜向裂缝与纵向轴线的夹角位于15
°
～75
°
之间，纵向裂缝与纵向轴线的夹角位于0
°
～15
°
之间；对于侧面的裂缝，包括竖向裂缝、纵向裂缝和斜向裂缝三种，其中竖向裂缝与纵向轴线的夹角位于75
°
～90
°
之间，斜向裂缝与纵向轴线的夹角位于15

【专利技术属性】
技术研发人员：张文辉，
申请(专利权)人：丽水市市政设施管理中心丽水市节约用水管理中心，
类型：发明
国别省市：