本发明专利技术涉及一种裂缝朝向识别方法、装置、设备及存储介质，该方法包括：建立初始裂缝识别模型，根据检测样本集对所述初始裂缝识别模型进行训练得到目标裂缝识别模型；基于所述目标裂缝识别模型，识别出待检测建筑物图片中裂缝图像块，并根据预设朝向范围对所述裂缝图像块的裂缝朝向类别进行标注；根据预设筛选规则，筛选每类所述裂缝图像块得到具有裂缝朝向分类的裂缝簇；基于预设合并规则，合并所述裂缝簇的回归线得到所述待检测建筑物的裂缝和裂缝朝向。本发明专利技术提供的一种裂缝朝向识别方法、装置、设备及存储介质，通过裂缝识别模型进行识别并对识别后的裂缝图像块进行分类，求得每类的回归线得到最终识别的裂缝。每类的回归线得到最终识别的裂缝。每类的回归线得到最终识别的裂缝。
【技术实现步骤摘要】
一种裂缝朝向识别方法、装置、设备及存储介质
[0001]本专利技术涉及建筑工程检测
，尤其涉及一种裂缝朝向识别方法、装置、设备及存储介质。
技术介绍
[0002]裂缝是混凝土建筑物常见病害，常由载荷过大、防排水体系不完善以及恶劣天气等因素造成。建筑物出现明显裂缝后，混凝土所保护的钢筋极有可能被暴露在外界，而钢筋受空气、雨水等侵蚀发生膨胀，反过来会加速混凝土建筑物表面开裂，甚至出现混凝土脱落分层的现象，导致建筑物质量持续下降，对生命财产安全产生极大的威胁。
[0003]现有技术中对建筑物的裂缝识别通常采用人工目检和图像检测算法。人工目检的方法用机器将检测人员环顾建筑物，让检测人员能够观察建筑物，并判断建筑物是否出现了裂缝；采用图像检测算法利用检测模型对建筑物的图片进行检测，识别建筑物图片中是否出现了裂缝。
[0004]但是，人工目检和图像检测算法都存在许多缺陷。人工目检的方法中，人工检测时间长、效率低，将带来相当高的人力成本；检测过程中检测人员通常需要在高空中观察建筑物，安全隐患大；识别结果由检测人员凭经验的得出，其全面性和客观性难以保证。图像检测算法中由于裂缝像素占比低、所处背景纹理复杂多变，难以提取出完整裂缝，判断裂缝的朝向，常出现漏检和虚警，干扰后续判断。
技术实现思路
[0005]有鉴于此，有必要提供一种裂缝朝向识别方法、装置、设备及存储介质，用以解决现有技术中人工检测的检测效率低、检测过程不安全，图像检测算法的检测精度低、无法判断裂缝朝向的问题。
[0006]为达到上述技术目的，本专利技术采取了以下技术方案：第一方面，本专利技术提供了一种裂缝朝向识别方法，包括：建立初始裂缝识别模型，根据检测样本集对初始裂缝识别模型进行训练得到目标裂缝识别模型；基于目标裂缝识别模型，识别出待检测建筑物图片中裂缝图像块，并根据预设朝向范围对裂缝图像块的裂缝朝向类别进行标注；根据预设筛选规则，筛选每类裂缝图像块得到具有裂缝朝向分类的裂缝簇；基于预设合并规则，合并裂缝簇的回归线得到待检测建筑物的裂缝和裂缝朝向。
[0007]优选的，建立初始裂缝识别模型，根据检测样本集对初始裂缝识别模型进行训练得到目标裂缝识别模型，包括：获取建筑物图片样本，对建筑物图片样本进行预处理得到检测样本集；基于卷积神经网络模型建立初始裂缝识别模型；利用检测样本集对初始裂缝识别模型进行训练，直至达到预设识别准确率时停止
学习得到目标裂缝识别模型。
[0008]优选的，获取建筑物图片样本，对建筑物图片样本进行预处理得到检测样本集，包括：将建筑物图片样本分成预设数量的若干个建筑物图像块；将若干个建筑物图像块标注为建筑物背景图像块和建筑物裂缝图像块；根据预设朝向范围将建筑物裂缝图像块中的裂缝朝向进行标注；其中，检测样本集包括带裂缝朝向的建筑物裂缝图像块和建筑物背景图像块。
[0009]优选的，基于目标裂缝识别模型，识别出待检测建筑物图片中裂缝图像块，并根据预设朝向范围对裂缝图像块的裂缝朝向类别进行标注，包括：将待检测建筑物图片分成预设数量的若干个待检测建筑物图像块；将若干个待检测建筑物图像块输入至目标裂缝识别模型得到标注裂缝朝向类别的裂缝图像块。
[0010]优选的，根据预设筛选规则，筛选每类裂缝图像块得到具有裂缝朝向分类的裂缝簇，包括：统计每类裂缝朝向的裂缝图像块的数量；若裂缝图像块的数量小于第一阈值，将该类裂缝朝向的裂缝图像块全部视为虚警并剔除；若裂缝图像块的数量大于等于第一阈值小于第二阈值，将该类裂缝朝向的每个裂缝图像块视为一个簇；若裂缝图像块的数量大于或等于第二阈值小于第三阈值，通过预设聚类方法将该类裂缝朝向的裂缝图像块进行聚类，将聚类结果中的离群点视为一个簇；将聚类结果中的非离群点视为虚警并剔除；若裂缝图像块数量大于或等于第三阈值，通过预设聚类方法将该类裂缝朝向的裂缝图像块进行聚类，将聚类结果中的离群点视为虚警并剔除；将聚类结果中的非离群点视为一个簇。
[0011]优选的，基于预设合并规则，合并裂缝簇的回归线得到待检测建筑物的裂缝和裂缝朝向，包括：通过预设回归方式计算每个裂缝簇的回归线。
[0012]优选的，基于预设合并规则，合并裂缝簇的回归线得到待检测建筑物的裂缝和裂缝朝向，还包括：两两对比裂缝簇的回归线；将回归线角度差以及回归线距离都在预设合并阈值以内的两个裂缝簇合并为一个簇，重新通过预设回归方式计算裂缝簇的回归线，直至裂缝簇不能合并得到待检测建筑物的裂缝和裂缝朝向。
[0013]第二方面，本专利技术还提供了一种裂缝朝向识别装置，包括：模型构建模块，用于建立初始裂缝识别模型，根据检测样本集对初始裂缝识别模型进行训练得到目标裂缝识别模型；标注模块，用于基于目标裂缝识别模型，识别出待检测建筑物图片中裂缝图像块，并根据预设朝向范围对裂缝图像块的裂缝朝向类别进行标注；筛选模块，用于根据预设筛选规则，筛选每类裂缝图像块得到具有裂缝朝向分类
的裂缝簇；合并模块，用于基于预设合并规则，合并裂缝簇的回归线得到待检测建筑物的裂缝和裂缝朝向。
[0014]第三方面，本专利技术还提供了一种电子设备，包括存储器和处理器，其中，存储器，用于存储程序；处理器，与存储器耦合，用于执行存储器中存储的程序，以实现上述任一种实现方式中的裂缝朝向识别方法中的步骤。
[0015]第四方面，本专利技术还提供了一种计算机可读存储介质，用于存储计算机可读取的程序或指令，程序或指令被处理器执行时，能够实现上述任一种实现方式中的裂缝朝向识别方法中的步骤。
[0016]采用上述实施例的有益效果是：本专利技术提供的一种裂缝朝向识别方法、装置、设备及存储介质，建立初始裂缝识别模型，然后通过样本集对初始裂缝识别模型进行训练得到目标裂缝识别模型，提高了模型对裂缝识别的精度，利用目标裂缝识别模型对待检测建筑物图片进行检测，识别并标注出具有裂缝朝向的图像块，再根据预设筛选规则，对所有具有裂缝朝向的图像块进行筛选，将朝向不同的裂缝图像块分类得到裂缝簇，再通过预设合并规则对裂缝簇进行合并，最终得到了待检测建筑物的裂缝和裂缝朝向。本专利技术对初始裂缝识别模型进行训练，得到目标裂缝识别模型，提高了模型对裂缝识别的精度，目标裂缝识别模型不仅能够识别出裂缝图像块，还可以判断出裂缝的朝向，然后对裂缝图像块进行处理，根据裂缝图像块得到裂缝簇的回归线，再将回归线进行合并，进一步提高了对裂缝以及裂缝朝向的识别精度，对裂缝朝向进行分析有利于了解建筑物的裂缝存在的危害，减少安全隐患，且本方案不需要人工进行识别，提高了识别的效率、检测过程的安全性并且降低了检测成本。
附图说明
[0017]图1为本专利技术提供的裂缝朝向识别方法的一实施例的流程示意图；图2为本专利技术提供的裂缝朝向类别分裂的一实施例的分类示意图；图3为本专利技术提供的训练初始裂缝识别模型的一实施例的流程示意图；图4为本专利技术提供的裂缝识别模型的一实施例的结构示意图；图5为本专利技术提供的detnet_layer的一实施例的结构示意图；图6为本专利技术提供的裂缝朝向识别装置的一实施例的结构示意图；图7为本发本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种裂缝朝向识别方法，其特征在于，包括：建立初始裂缝识别模型，根据检测样本集对所述初始裂缝识别模型进行训练得到目标裂缝识别模型；基于所述目标裂缝识别模型，识别出待检测建筑物图片中裂缝图像块，并根据预设朝向范围对所述裂缝图像块的裂缝朝向类别进行标注；根据预设筛选规则，筛选每类所述裂缝图像块得到具有裂缝朝向分类的裂缝簇；基于预设合并规则，合并所述裂缝簇的回归线得到所述待检测建筑物的裂缝和裂缝朝向。2.根据权利要求1所述的裂缝朝向识别方法，其特征在于，所述建立初始裂缝识别模型，根据检测样本集对所述初始裂缝识别模型进行训练得到目标裂缝识别模型，包括：获取建筑物图片样本，对所述建筑物图片样本进行预处理得到检测样本集；基于卷积神经网络模型建立初始裂缝识别模型；利用所述检测样本集对所述初始裂缝识别模型进行训练，直至达到预设识别准确率时停止学习得到目标裂缝识别模型。3.根据权利要求2所述的裂缝朝向识别方法，其特征在于，所述获取建筑物图片样本，对所述建筑物图片样本进行预处理得到检测样本集，包括：将所述建筑物图片样本分成预设数量的若干个建筑物图像块；将所述若干个建筑物图像块标注为建筑物背景图像块和建筑物裂缝图像块；根据所述预设朝向范围将所述建筑物裂缝图像块中的裂缝朝向进行标注；其中，所述检测样本集包括带裂缝朝向的所述建筑物裂缝图像块和所述建筑物背景图像块。4.根据权利要求3所述的裂缝朝向识别方法，其特征在于，所述基于所述目标裂缝识别模型，识别出待检测建筑物图片中裂缝图像块，并根据预设朝向范围对所述裂缝图像块的裂缝朝向类别进行标注，包括：将所述待检测建筑物图片分成预设数量的若干个待检测建筑物图像块；将所述若干个待检测建筑物图像块输入至所述目标裂缝识别模型得到标注裂缝朝向类别的裂缝图像块。5.根据权利要求1所述的裂缝朝向识别方法，其特征在于，所述根据预设筛选规则，筛选每类所述裂缝图像块得到具有裂缝朝向分类的裂缝簇，包括：统计每类裂缝朝向的所述裂缝图像块的数量；若所述裂缝图像块的数量小于第一阈值，将该类裂缝朝向的所述裂缝图像块全部视为虚警并剔除；若所述裂缝图像块的数量大于等于第一阈值小于第...
【专利技术属性】
技术研发人员：李明鹏，高鉴，朱大鹏，
申请(专利权)人：武汉珈鹰智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。