一种基于YOLOv5的隧道衬砌裂缝检测方法及设备技术

本发明专利技术公开了一种基于YOLOv5的隧道衬砌裂缝检测方法及设备，属于裂缝检测技术领域，用于解决现有的隧道衬砌裂缝检测过程中，裂缝图像杂质较多且数据采集工作大，难以有效的对裂缝特征进行提取分析，难以保证裂缝检测的准确性的技术问题。方法包括：对预设若干裂缝图像对应的病害数据集进行标签标注，得到病害数据集的标注文件；将标注文件以及对应的裂缝图像进行YOLOv5网络模型的训练，得到改进后的YOLOv5网络模型；将预采集的衬砌裂缝图像进行对应预测框分类判断，得到每个类别的评价指标；对衬砌裂缝图像进行衬砌裂缝的精确率识别，得到目标图像，将裂缝特征进行腐蚀膨胀相结合的开闭合运算，得到真实裂缝特征。得到真实裂缝特征。得到真实裂缝特征。

【技术实现步骤摘要】
一种基于YOLOv5的隧道衬砌裂缝检测方法及设备


[0001]本申请涉及裂缝检测
，尤其涉及一种基于YOLOv5的隧道衬砌裂缝检测方法及设备。

技术介绍

[0002]随着隧道逐步趋向智能化、电气化，对隧道自动检测技术的需求也越来越大，后期运行维护任务也随之加重，逐步形成任务重、要求高的隧道运维巡检工作格局。在隧道的建设和运营过程中，由于施工、温度、载荷、山体变形等各种因素的影响而引起的裂缝、渗水等病害会产生极大的安全隐患。其中，裂缝是隧道衬砌最常见的病害形式，若不能及时发现并进行维护，裂缝进一步蔓延和扩大，破坏隧道结构，可能会造成重大的人员伤亡和经济损失，所以对隧道裂缝的检测是隧道检测工作的重中之重。
[0003]在现有的隧道检测过程中，目前多数仍然采用传统的人工检测法，需要投入较多的人力和时间，且危险性较大，同时，通过现有裂缝识别模型容易受到裂缝图像中杂质特征的影响，不利于对裂缝图像的检测。

技术实现思路

[0004]本申请实施例提供了一种基于YOLOv5的隧道衬砌裂缝检测方法及设备，用于解决如下技术问题：现有的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLOv5的隧道衬砌裂缝检测方法，其特征在于，所述方法包括：对预设若干裂缝图像对应的病害数据集进行标签标注，得到所述病害数据集的标注文件；根据预设Pytorch深度学习框架，将所述标注文件以及对应的裂缝图像进行YOLOv5网络模型的目标检测训练，得到改进后的YOLOv5网络模型；通过所述改进后的YOLOv5网络模型，将预采集的衬砌裂缝图像进行对应预测框分类判断，得到每个类别的评价指标；通过所述评价指标，对所述衬砌裂缝图像进行有关衬砌裂缝的精确率识别，得到均包含衬砌裂缝的目标图像；通过预设形态学算法，将所述目标图像中的裂缝特征进行腐蚀膨胀相结合的开闭合运算，得到所述目标图像的目标裂缝连通域；将所述目标裂缝连通域进行图像噪声过滤，得到真实裂缝特征。2.根据权利要求1所述的一种基于YOLOv5的隧道衬砌裂缝检测方法，其特征在于，对预设若干裂缝图像对应的病害数据集进行标签标注，得到所述病害数据集的标注文件，具体包括：对所述若干裂缝图像的裂缝亮度进行拟合分析，得到有关裂缝亮度的拟合函数；通过对所述拟合函数的表达式训练，将所述若干裂缝图像进行训练集与测试集的划分；将所述训练集中的裂缝图像进行数据压缩与分割后，得到所述病害数据集；其中，所述病害数据集包括：裂缝数据集以及渗水数据集；通过图像标注工具labelimg，将所述裂缝数据集以及渗水数据集进行标签标注，得到所述标注文件；其中，所述标注文件为所述裂缝数据集以及渗水数据集中与每张图像对应的TXT文件；并通过预设目标框，识别所述每张图像中所有目标特征，将生成所述每张图像的类别标签信息以及标注框位置信息存储到所述标注文件中。3.根据权利要求1所述的一种基于YOLOv5的隧道衬砌裂缝检测方法，其特征在于，根据预设Pytorch深度学习框架，将所述标注文件以及对应的裂缝图像进行YOLOv5网络模型的目标检测训练，得到改进后的YOLOv5网络模型，具体包括：获取所述标注文件的类别标签信息以及对应的标注框位置信息；其中，所述标注框位置信息包括：图像中心点横纵标信息、图像中心点纵坐标信息、目标框的长度信息以及宽度信息；基于所述类别标签信息，将所述标注框位置信息进行归一化处理，得到标签文件；将所述标签文件以及对应的每张裂缝图像输入到基于Pytorch深度学习框架的YOLOv5网络模型中，并进行有关裂缝图像检测的训练与测试，得到所述改进后的YOLOv5网络模型。4.根据权利要求1所述的一种基于YOLOv5的隧道衬砌裂缝检测方法，其特征在于，通过所述改进后的YOLOv5网络模型，将预采集的衬砌裂缝图像进行对应预测框分类判断，得到每个类别的评价指标，具体包括：将所述衬砌裂缝图像输入到所述改进后的YOLOv5网络模型中；通过所述改进后的YOLOv5网络模型，将所述衬砌裂缝图像进行有关图像预测框的计算，得到若干预测框；
根据预设分类标准，将所述若干预测框进行分类判断，得到分类判断结果；其中，所述分类判断结果包括：TP预测框、FP预测框、FN预测框以及TN预测框；根据所述分类判断结果中每个类别预测框的分布情况，对所述每个类别预测框进行裂缝图像识别计算，确定出所述每个类别预测框的评价指标。5.根据权利要求1所述的一种基于YOLOv5的隧道衬砌裂缝检测方法，其特征在于，通过所述评价指标，对所述衬砌裂缝图像进行有关衬砌裂缝的精确率识别，得到均包含衬砌裂缝的目标图像，具体包括：根据，得到裂缝目标比值；其中，（Ii）为有关衬砌裂缝图像数据集的第i个样本，Cj为所述评价指标中每个类别预测框中裂缝目标的精确率，TP...

【专利技术属性】
技术研发人员：徐伟，任泳兆，宫小艺，张奕晨，谭兆轶，李若琛，王超，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：