基于人工智能的桥梁裂缝监测方法及系统技术方案

本发明专利技术实施例提供一种基于人工智能的桥梁裂缝监测方法及系统，基于在桥梁监测任务中获得的携带桥梁维护指示特征的桥梁图像数据，得到多个候选桥梁图像数据，确定所述候选桥梁图像数据对应的异常像素分割向量；在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定对应的桥梁裂缝图像数据对应的异常像素分割向量，以基于所述桥梁裂缝图像数据对应的异常像素分割向量以及所述候选桥梁图像数据，基于训练获得的裂缝分类神经网络对所述候选桥梁图像数据进行裂缝分类，将裂缝分类后的各桥梁图像数据上报所述桥梁监测任务对应的桥梁裂缝监测资源池，并执行桥梁裂缝维护指示的下发，通过采用人工智能视觉分析的方案，可以提高桥梁裂缝监测的可靠性。裂缝监测的可靠性。裂缝监测的可靠性。

【技术实现步骤摘要】
基于人工智能的桥梁裂缝监测方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种基于人工智能的桥梁裂缝监测方法及系统。

技术介绍

[0002]在桥梁修建和使用过程中，由于混凝土结构的裂缝问题导致桥梁出现安全隐患甚至垮塌的事故频频发生，裂缝是混凝土结构中最常见的一种病害，裂缝的出现不仅有损桥梁美观，减小截面的受力面积，同时还会影响结构的抗渗透性能，导致水分及有害物质渗入，诱发钢筋锈蚀或加速混凝土的自然老化，从而损害桥梁结构的承载能力，对桥梁安全性能产生不利影响。因此对桥梁裂缝有必要进行重点检测和跟踪监测。传统方案中通常采用人工监测或者计算机应力数据分析监测，这类方案的桥梁裂缝监测的可靠性。

技术实现思路

[0003]为解决上述问题，本专利技术提供一种基于人工智能的桥梁裂缝监测方法，包括：
[0004]基于在桥梁监测任务中获得的携带桥梁维护指示特征的桥梁图像数据，得到多个候选桥梁图像数据；
[0005]获取各所述候选桥梁图像数据对应的异常像素分割向量，基于各所述桥梁图像数据对应的所述异常像素分割向量，分析各所述桥梁图像数据是否为裂缝特征对应的桥梁裂缝图像数据；
[0006]在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定对应的桥梁裂缝图像数据对应的异常像素分割向量；基于所述桥梁裂缝图像数据对应的异常像素分割向量以及所述候选桥梁图像数据，基于训练获得的裂缝分类神经网络对所述候选桥梁图像数据进行裂缝分类，将裂缝分类后的各桥梁图像数据上报所述桥梁监测任务对应的桥梁裂缝监测资源池，并执行桥梁裂缝维护指示的下发。
[0007]对应一些可能的实施方式，所述获取各所述候选桥梁图像数据对应的异常像素分割向量，包括：
[0008]将所述候选桥梁图像数据的注意力像素特征向量映射至桥梁监测任务的异常像素特征向量位图，通过所述桥梁监测任务的异常像素特征向量位图对所述候选桥梁图像数据进行匹配得到各所述桥梁图像数据对应的异常像素分割向量。
[0009]对应一些可能的实施方式，在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定对应的桥梁裂缝图像数据对应的异常像素分割向量，包括：
[0010]在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定所述异常像素分割向量对应的裂缝纹理向量；
[0011]基于所述裂缝纹理向量，从异常像素特征向量位图中获取与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量。
[0012]对应一些可能的实施方式，基于所述裂缝纹理向量，从异常像素特征向量位图中
获取与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量，包括：
[0013]基于所述裂缝纹理向量，从所述异常像素特征向量位图中获取与所述裂缝纹理向量对应的多个先验桥梁裂缝图像数据；
[0014]通过将所述多个先验桥梁裂缝图像数据作为机器学习的训练图像数据训练AI神经网络单元；
[0015]将所述桥梁图像数据输入训练结束的所述AI神经网络单元，得到与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量。
[0016]对应一些可能的实施方式，所述方法还包括：基于通过裂缝分类神经网络以及所述候选桥梁图像数据得到裂缝特征对应的过往分割特征分布，并将所述裂缝特征对应的过往分割特征分布映射至所述桥梁监测任务的异常像素特征向量位图，使所述桥梁监测任务的异常像素特征向量位图基于裂缝特征对应的过往分割特征分布对裂缝分类神经网络进行训练。
[0017]本专利技术还提供一种基于人工智能的桥梁裂缝监测系统，包括：
[0018]获取模块，用于基于在桥梁监测任务中获得的携带桥梁维护指示特征的桥梁图像数据，得到多个候选桥梁图像数据；
[0019]分析模块，用于获取各所述候选桥梁图像数据对应的异常像素分割向量，基于各所述桥梁图像数据对应的所述异常像素分割向量，分析各所述桥梁图像数据是否为裂缝特征对应的桥梁裂缝图像数据；
[0020]上报模块，用于在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定对应的桥梁裂缝图像数据对应的异常像素分割向量；基于所述桥梁裂缝图像数据对应的异常像素分割向量以及所述候选桥梁图像数据，基于训练获得的裂缝分类神经网络对所述候选桥梁图像数据进行裂缝分类，将裂缝分类后的各桥梁图像数据上报所述桥梁监测任务对应的桥梁裂缝监测资源池，并执行桥梁裂缝维护指示的下发。
[0021]本专利技术中所述分析模块具体用于将所述候选桥梁图像数据的注意力像素特征向量映射至桥梁监测任务的异常像素特征向量位图，通过所述桥梁监测任务的异常像素特征向量位图对所述候选桥梁图像数据进行匹配得到各所述桥梁图像数据对应的异常像素分割向量。
[0022]本专利技术中所述上报模块具体用于在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定所述异常像素分割向量对应的裂缝纹理向量；基于所述裂缝纹理向量，从异常像素特征向量位图中获取与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量。
[0023]本专利技术中所述上报模块还用于：
[0024]基于所述裂缝纹理向量，从所述异常像素特征向量位图中获取与所述裂缝纹理向量对应的多个先验桥梁裂缝图像数据；
[0025]通过将所述多个先验桥梁裂缝图像数据作为机器学习的训练图像数据训练AI神经网络单元；
[0026]将所述桥梁图像数据输入训练结束的所述AI神经网络单元，得到与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量。
[0027]所述基于人工智能的桥梁裂缝监测系统还包括训练模块，用于基于通过裂缝分类
神经网络以及所述候选桥梁图像数据得到裂缝特征对应的过往分割特征分布，并将所述裂缝特征对应的过往分割特征分布映射至所述桥梁监测任务的异常像素特征向量位图，使所述桥梁监测任务的异常像素特征向量位图基于裂缝特征对应的过往分割特征分布对裂缝分类神经网络进行训练。
[0028]综上所述，本专利技术提供的基于人工智能的桥梁裂缝监测方法及系统，基于在桥梁监测任务中获得的携带桥梁维护指示特征的桥梁图像数据，得到多个候选桥梁图像数据，获取各所述候选桥梁图像数据对应的异常像素分割向量，基于各所述桥梁图像数据对应的所述异常像素分割向量，分析各所述桥梁图像数据是否为裂缝特征对应的桥梁裂缝图像数据；在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定对应的桥梁裂缝图像数据对应的异常像素分割向量，以基于所述桥梁裂缝图像数据对应的异常像素分割向量以及所述候选桥梁图像数据，基于训练获得的裂缝分类神经网络对所述候选桥梁图像数据进行裂缝分类，将裂缝分类后的各桥梁图像数据上报所述桥梁监测任务对应的桥梁裂缝监测资源池，并执行桥梁裂缝维护指示的下发，从而采用人工智能视觉分析的方案，可以提高桥梁裂缝监测的可靠性。
附图说明
[0029]为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅是本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的桥梁裂缝监测方法，其特征在于，包括：基于在桥梁监测任务中获得的携带桥梁维护指示特征的桥梁图像数据，得到多个候选桥梁图像数据；获取各所述候选桥梁图像数据对应的异常像素分割向量，基于各所述桥梁图像数据对应的所述异常像素分割向量，分析各所述桥梁图像数据是否为裂缝特征对应的桥梁裂缝图像数据；在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定对应的桥梁裂缝图像数据对应的异常像素分割向量，基于所述桥梁裂缝图像数据对应的异常像素分割向量以及所述候选桥梁图像数据，基于训练获得的裂缝分类神经网络对所述候选桥梁图像数据进行裂缝分类，将裂缝分类后的各桥梁图像数据上报所述桥梁监测任务对应的桥梁裂缝监测资源池，并执行桥梁裂缝维护指示的下发。2.根据权利要求1所述的基于人工智能的桥梁裂缝监测方法，其特征在于，所述获取各所述候选桥梁图像数据对应的异常像素分割向量，包括：将所述候选桥梁图像数据的注意力像素特征向量映射至桥梁监测任务的异常像素特征向量位图，通过所述桥梁监测任务的异常像素特征向量位图对所述候选桥梁图像数据进行匹配得到各所述桥梁图像数据对应的异常像素分割向量；其中，在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定对应的桥梁裂缝图像数据对应的异常像素分割向量，包括：在分析确定裂缝特征对应的桥梁裂缝图像数据时，确定所述异常像素分割向量对应的裂缝纹理向量；基于所述裂缝纹理向量，从异常像素特征向量位图中获取与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量。3.根据权利要求2所述的基于人工智能的桥梁裂缝监测方法，其特征在于，所述基于所述裂缝纹理向量，从异常像素特征向量位图中获取与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量，包括：基于所述裂缝纹理向量，从所述异常像素特征向量位图中获取与所述裂缝纹理向量对应的多个先验桥梁裂缝图像数据；通过将所述多个先验桥梁裂缝图像数据作为机器学习的训练图像数据训练AI神经网络单元；将所述桥梁图像数据输入训练结束的所述AI神经网络单元，得到与所述裂缝纹理向量对应的桥梁裂缝图像数据对应的异常像素分割向量。4.根据权利要求1所述的基于人工智能的桥梁裂缝监测方法，其特征在于，所述方法还包括：基于通过裂缝分类神经网络以及所述候选桥梁图像数据得到裂缝特征对应的过往分割特征分布，并将所述裂缝特征对应的过往分割特征分布映射至所述桥梁监测任务的异常像素特征向量位图，使所述桥梁监测任务的异常像素特征向量位图基于裂缝...

【专利技术属性】
技术研发人员：徐涛，孙萌，李敬博，
申请(专利权)人：上海亿为科技有限公司，
类型：发明
国别省市：