基于线性残差注意力的跨海大桥桥墩表面裂缝检测方法技术

本发明专利技术公开了一种基于线性残差注意力的跨海大桥桥墩表面裂缝检测方法，其步骤为：1、使用高精度光学成像设备采集跨海大桥桥墩表面图像，获取图像样本、标签、训练集和测试集；2、构建基于线性残差注意力的跨海大桥桥墩表面裂缝检测网络模型；3、训练所构建的网络模型；4、得到训练好的跨海大桥桥墩表面裂缝检测网络模型；5、计算跨海大桥桥墩表面裂缝图像的检测指标。本发明专利技术通过通道注意力机制和空间注意力机制共同组成残差注意力模块、并将其置于U

【技术实现步骤摘要】
基于线性残差注意力的跨海大桥桥墩表面裂缝检测方法


[0001]本专利技术属于图像处理
，特别涉及一种基于线性残差注意力的跨海大桥桥墩表面裂缝检测方法，可用于跨海大桥的检修和维护。

技术介绍

[0002]随着跨海大桥使用年限的不断增长，桥梁结构会出现各种病害，其中裂缝是众多病害中最为常见的一种，如果不及时处理，可能会严重威胁桥梁的安全使用。因此，及时检测出跨海大桥桥墩表面的裂缝对后续病害程度判断以及检修尤为重要。目前，桥梁裂缝的检测方法大致可以分为三种：传统的人工近距离观察、手工标注裂缝位置，该检测方法存在主观性强、检测数据较难长期保存、检测人员的安全性难以保障等问题；传统图像处理方法难以平衡检测效果和处理复杂度之间的平衡；目前，基于深度学习的方法，通过训练网络模型，深度提取裂缝的特征，达到了良好的检测效果，该方法是目前桥梁裂缝检测领域使用最多的研究方法。
[0003]南京和光智能制造研究院有限公司在申请号为201911371902.5的专利申请文献中提出“一种基于图像的桥梁裂缝检测方法及系统”，该方法的主要步骤是：(1)获取桥梁图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于线性残差注意力的跨海大桥桥墩表面裂缝检测方法，其特征在于，包括：(1)使用高精度光学成像设备采集跨海大桥桥墩表面裂缝图像，获取图像样本、标签，以及训练集和测试集：(1a)对桥墩柱面的4个表面依次进行采集；对每个表面从上到下按顺序采集，采集时需要对所采集的图像进行编号，编号能反映每张所采集的图像在桥墩表面的对应位置；(1b)采集图像分辨率为5760*3840的裂缝样本图，对样本图进行逐像素方式的标注，获得样本图像的标签；(1c)采用滑动窗口算法，将样本图像分块为160x160大小的图像块，筛选出含有裂缝的小块图像，获取到5000张的裂缝图像以及对应的标签，其中4500张作为训练集，500张作为测试集；(2)构建基于线性残差注意力的跨海大桥桥墩表面裂缝检测网络模型：(2a)搭建由通道注意力模块和改进的空间注意力模块组成的线性残差注意力模块；所述的通道注意力模块首先将输入的多层特征图通过全局最大池化和全局平均池化，将输入特征图压缩为两路特征向量，然后将两路特征向量经过两个全连接层构建通道间的相关性，接着将两路特征向量相加，并使用sigmoid激活函数得到各个通道的权重向量，最后将权重向量与输入的多层特征图相乘得到基于通道注意力的多层特征图；其中，第一个全连接层将特征向量的维度减半，激活函数为ReLU函数；第二个全连接层将特征向量恢复为原来的维度，激活函数为sigmoid函数；所述的空间注意力模块首先将输入的多层特征图通过二维垂直池化和二维水平池化，将输入特征图分为两路特征向量，然后使用最近邻插值法分别将两路特征向量填充为和输入特征图一样维度的特征图，再分别通过第一个卷积层得到两路特征图，接着将两路特征图进行拼接得到二层特征图，再接着通过第二个卷积层得到一层特征图，最后将该特征图与输入的多层特征图相乘得到基于空间注意力的多层特征图；其中，第一层卷积层通道数设为1，卷积核大小为3
×
3；第二层卷积层通道数设为1，卷积核大小1
×
1；所述的线性残差注意力模块由通道注意力模块和空间注意力模块组成；首先将多层输入特征图依次通过通道注意力模块和空间注意力模块，然后通过残差连接的方式将输入与输出拼接后，再卷积恢复到和输入一样的维度后进行输出；(2b)搭建包含4层池化层的U
‑
Net网络，并将线性残差注意力模块置于其跳跃结构上；(3)训练基于线性残差注意力的跨海大桥桥墩表面裂缝检测网络模型：将训练集输入到基于线性残差注意力的跨海大桥桥墩表面裂缝检测网络模型中，采用Adam优化算法对该网络模型进行迭代训练，得到训练好的网络模型；(4)测试训练好的跨海大桥桥墩表面裂缝检测网络模型：将5...

【专利技术属性】
技术研发人员：汪小鹏，杜建超，赵宗坚，史慧彬，强家宽，封明明，李永博，欧佳益，
申请(专利权)人：浙江沪杭甬高速公路股份有限公司浙江舟山跨海大桥有限公司，
类型：发明
国别省市：