基于爬壁机器人的桥梁混凝土表面裂缝识别方法及系统技术方案

本发明专利技术提供了一种基于爬壁机器人的桥梁混凝土表面裂缝识别方法及系统，涉及混凝土裂缝检测技术领域。包括：构建目标检测与语义分割集成模型，对目标桥梁的混凝土表面裂缝进行识别；根据目标检测以及语义分割集成的结果，获取裂缝数据集，并对裂缝数据集进行标注，将标注好的裂缝数据集用于裂缝识别模型训练和验证，获得端到端实时识别裂缝的模型；将训练好的裂缝识别模型进行移动端量化部署；设计适用于桥梁混凝土表面爬行的爬壁机器人，将爬壁机器人与移动端建立远程连接；通过移动端实时显示桥梁裂缝识别结果。本发明专利技术不仅可以高精度地对桥梁表面裂缝进行实时端到端的识别，而且还能节约时间和成本，降低人员检测的安全风险。险。险。

【技术实现步骤摘要】
基于爬壁机器人的桥梁混凝土表面裂缝识别方法及系统


[0001]本专利技术涉及混凝土裂缝检测
，特别是指一种基于爬壁机器人的桥梁混凝土表面裂缝识别方法及系统。

技术介绍

[0002]目前，我国正在服役的混凝土梁桥体量巨大，部分已进入或即将进入服役中后期，混凝土桥梁在外部荷载等作用下不可避免地出现裂缝。目前，桥梁裂缝检测主要以桥检车作为搭载平台，以人工视觉检查为主，必要时以卷尺、裂缝测宽仪等工具辅助检测。然而，该方法易受工程师的主观意识影响，费时、费力、危险系数大，而且还存在测不准、记不全等缺点。
[0003]随着智能算法及计算算力的进步，利用深度学习模型进行结构表面的裂缝识别成为有效的结构损伤检查方法并得到广泛关注与研究。总结而言，裂缝识别算法主要分为三类：图像分类、目标检测及图像分割。目前已有部分研究人员将裂缝识别算法搭载在无人机等设备，实现桥梁裂缝的实时识别，但由于无人机无法近距离靠近桥梁混凝土表面，拍摄时也存在抖动现象，拍摄图像质量较差，裂缝识别效果不理想。因此，寻找一种桥梁混凝土表面裂缝高精度、高效率的智能识别方法十分有必要。

技术实现思路

[0004]针对现有技术中无人机无法近距离靠近桥梁混凝土表面，拍摄时也存在抖动现象，拍摄图像质量较差，裂缝识别效果不理想的问题，本专利技术提出了一种基于爬壁机器人的桥梁混凝土表面裂缝智能识别方法及系统。
[0005]为解决上述技术问题，本专利技术提供如下技术方案：
[0006]一方面，提供了一种基于爬壁机器人的桥梁混凝土表面裂缝识别方法，该方法应用于电子设备，包括以下步骤：
[0007]S1：构建目标检测与语义分割集成模型，对目标桥梁的混凝土表面裂缝进行识别；
[0008]S2：根据目标检测与语义分割集成模型的数据格式要求，获取裂缝数据集，并对所述裂缝数据集进行标注，将标注好的裂缝数据集用于模型训练和验证，获得端到端实时识别裂缝的模型；
[0009]S3：将训练好的裂缝识别模型进行移动端量化部署；
[0010]S4：通过负压吸盘和电磁铁双重吸附结构进行适用于桥梁混凝土表面的爬壁机器人设计，将所述爬壁机器人与移动端建立远程连接；将爬壁机器人放在桥梁混凝土梁底或梁侧面的指定位置，通过操作移动端，实时显示桥梁某一具体位置对应的裂缝识别结果，完成基于爬壁机器人的桥梁混凝土表面裂缝智能识别。
[0011]可选地，步骤S1中，构建目标检测与语义分割集成模型，对目标桥梁的混凝土表面裂缝进行识别，包括：
[0012]在YOLOv5目标检测算法的基础上，增加轻量级的分割网络，构建目标检测与语义
分割集成模型，同时输出裂缝目标检测结果以及裂缝分割结果；将目标桥梁的混凝土表面的裂缝目标检测结果与裂缝分割结果进行校验，输出裂缝的二值化图像。
[0013]可选地，将目标桥梁的混凝土表面的裂缝目标检测结果与裂缝分割结果进行校验，输出裂缝的二值化图像，包括：
[0014]裂缝目标检测结果为裂缝预测定位图，包含裂缝外接矩形框中心点坐标和矩形框面积；裂缝分割结果为预测裂缝的连通域，包含各个连通域的外接矩形中心点坐标和连通域面积；
[0015]当裂缝目标检测结果与裂缝分割结果的矩形框中心点坐标点和矩形框面积均接近时，则判定该连通域为裂缝，否则为噪声；将判定为噪声的连通域删除，只保留含裂缝的连通域，输出裂缝二值化图像。
[0016]可选地，步骤S2中，对裂缝数据集进行标注，包括：
[0017]对裂缝数据集进行标注，其中标注的标签结果分为两类：一类为用于目标检测的YOLO数据格式；另一类为用于语义分割的二值化掩膜图像。
[0018]可选地，将标注完的数据集用于裂缝识别模型训练和验证，其中在裂缝数据集中训练数据和验证数据的比例为8:2。
[0019]可选地，爬壁机器人为车轮式机器人，通过负压吸盘和电磁铁双重吸附结构，在桥梁混凝土梁底及侧面爬行。
[0020]可选地，爬壁机器人底部嵌入CCD相机，通过wifi或流量卡与移动端远程连接。
[0021]一方面，提供了一种基于爬壁机器人的桥梁混凝土表面裂缝识别系统，该系统应用于电子设备，该系统包括：
[0022]模型集成模块，用于构建目标检测与语义分割集成模型，对目标桥梁的混凝土表面裂缝进行识别；
[0023]模型训练模块，用于根据目标检测与语义分割集成模型的数据格式要求，获取裂缝数据集，并对所述裂缝数据集进行标注，将标注好的裂缝数据集用于模型训练和验证，获得端到端实时识别裂缝的模型；
[0024]移动端部署模块，用于将训练好的裂缝识别模型进行移动端量化部署；
[0025]装置搭载识别模块，通过负压吸盘和电磁铁双重吸附结构进行适用于桥梁混凝土表面的爬壁机器人设计，将所述爬壁机器人与移动端建立远程连接；将爬壁机器人放在桥梁混凝土梁底或梁侧面的指定位置，通过操作移动端，实时显示桥梁某一具体位置对应的裂缝识别结果，完成基于爬壁机器人的桥梁混凝土表面裂缝智能识别。
[0026]可选地，模型训练模块，进一步用于在YOLOv5目标检测算法的基础上，增加轻量级的分割网络，构建目标检测与语义分割集成模型，同时输出裂缝目标检测结果以及裂缝分割结果；将目标桥梁的混凝土表面的裂缝目标检测结果与裂缝分割结果进行校验，输出裂缝的二值化图像。
[0027]一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述一种基于爬壁机器人的桥梁混凝土表面裂缝识别方法。
[0028]一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述一种基于爬壁机器人的桥梁混凝土表
面裂缝识别方法。
[0029]本专利技术实施例的上述技术方案至少具有如下有益效果：
[0030]上述方案中，本专利技术提供了一种基于爬壁机器人的桥梁混凝土表面裂缝智能识别方法，不仅可以高精度地对桥梁表面裂缝进行实时端到端的识别，而且还能节约时间和成本，降低人员检测的安全风险。
附图说明
[0031]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1是本专利技术实施例提供的一种基于爬壁机器人的桥梁混凝土表面裂缝智能识别方法的流程图；
[0033]图2是本专利技术实施例提供的一种基于爬壁机器人的桥梁混凝土表面裂缝智能识别方法的数据集标注示意图；
[0034]图3是本专利技术实施例提供的一种基于爬壁机器人的桥梁混凝土表面裂缝智能识别方法的爬壁机器人结构图；
[0035]图4是本专利技术实施例提供的一种基于爬壁机器人的桥梁混凝土表面裂缝智能识别系统框图；
[0036]图5是本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于爬壁机器人的桥梁混凝土表面裂缝识别方法，其特征在于，包括以下步骤：S1：构建目标检测与语义分割集成模型，对目标桥梁的混凝土表面裂缝进行识别；S2：根据目标检测与语义分割集成模型的数据格式要求，获取裂缝数据集，并对所述裂缝数据集进行标注，将标注好的裂缝数据集用于模型训练和验证，获得端到端实时识别裂缝的模型；S3：将训练好的裂缝识别模型进行移动端量化部署；S4：通过负压吸盘和电磁铁双重吸附结构进行适用于桥梁混凝土表面的爬壁机器人设计，将所述爬壁机器人与移动端建立远程连接；将爬壁机器人放在桥梁混凝土梁底或梁侧面的指定位置，通过操作移动端，实时显示桥梁某一具体位置对应的裂缝识别结果，完成基于爬壁机器人的桥梁混凝土表面裂缝智能识别。2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，构建目标检测与语义分割集成模型，对目标桥梁的混凝土表面裂缝进行识别，包括：在YOLOv5目标检测算法的基础上，增加轻量级的分割网络，构建目标检测与语义分割集成模型，同时输出裂缝目标检测结果以及裂缝分割结果；将目标桥梁的混凝土表面的裂缝目标检测结果与裂缝分割结果进行校验，输出裂缝的二值化图像。3.根据权利要求2所述的方法，其特征在于，所述将目标桥梁的混凝土表面的裂缝目标检测结果与裂缝分割结果进行校验，输出裂缝的二值化图像，包括：裂缝目标检测结果为裂缝预测定位图，包含裂缝外接矩形框中心点坐标和矩形框面积；裂缝分割结果为预测裂缝的连通域，包含各个连通域的外接矩形中心点坐标和连通域面积；当裂缝目标检测结果与裂缝分割结果的矩形框中心点坐标点和矩形框面积均接近时，则判定该连通域为裂缝，否则为噪声；将判定为噪声的连通域删除，只保留含裂缝的连通域，输出裂缝二值化图像。4.根据权利要求1所述的方法，其特征在于，所述步骤S2中，对所述裂缝数据集进行标注，包括：将所述裂缝数据集进行标注，其中标注的标签结果分为两类：一类为用于目标检测的YOLO数据格式；另一类为用于语义分割的二值化掩膜图像。5.根据权利要求4所述的方法，其特征在于，将标注完的数据集用于裂缝识别模型训练和验证，其中在裂...

【专利技术属性】
技术研发人员：刘晓刚，徐刚，岳清瑞，朵永玉，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：