基于人工智能的桥梁健康智能监测系统技术方案

本发明专利技术涉及图像数据处理技术领域，具体涉及基于人工智能的桥梁健康智能监测系统，包括：图像采集处理模块：获取桥梁表面图像的梯度图像；区域划分及归类模块：根据分块图像的梯度均值和方差得到平滑块和边缘块；自适应确定边缘分割阈值模块：得到平滑块和边缘块的边缘分割阈值；自适应分割模块：根据得到的平滑块和边缘块的边缘分割阈值对非极大值抑制处理后的梯度图像进行双阈值化处理，得到边缘分割图像。本发明专利技术在进行非极大值抑制时，通过梯度之间存在的差异大小对梯度进行修正，根据像素点形成边缘的概率确定对像素点进行调整权重，从而扩大差异性，使边缘提取更精确化。使边缘提取更精确化。使边缘提取更精确化。

【技术实现步骤摘要】
基于人工智能的桥梁健康智能监测系统


[0001]本专利技术涉及图像数据处理
，具体涉及基于人工智能的桥梁健康智能监测系统。

技术介绍

[0002]桥梁作为城市基础设施的重要组成部分，需要定期进行检测和维护。其中，裂缝是桥梁常见的缺陷之一，如果不及时修补，可能会对桥梁结构的安全和稳定性造成严重影响。所以随着技术的发展，越来越多基于机器视觉的裂缝检测方法被广泛应用，但是在实际应用中，需要针对不同的桥梁类型和环境场景选择合适的检测方法，且基于机器视觉的检测很容易受到光照及天气的影响，导致对裂缝的定位不准确，继而影响工人的修复效率。因此，开发一种高效精准的桥梁裂缝检测方法具有很高的实用价值。
[0003]对于桥梁表面的细微裂缝肉眼不易观察出来，为避免可能出现的安全隐患，需要利用视图检查仪器等工具对桥梁表面图像进行采集，而后确定具体的裂缝位置，从而根据裂缝的长度等特征采用合适的修复手段。但是细微的裂缝区域表现不明显，所以在利用边缘检测算法对氧化区域进行分割时，由于阈值的设置过于依赖人为经验，可能导致裂缝边缘不完整而影响工作人员的判断和修复。因此，本专利技术通过提取桥梁表面图像特征提出一种自适应选择确定的边缘的双阈值方法。

技术实现思路

[0004]本专利技术提供基于人工智能的桥梁健康智能监测系统，以解决现有的问题。
[0005]本专利技术的基于人工智能的桥梁健康智能监测系统采用如下技术方案：本专利技术一个实施例提供了基于人工智能的桥梁健康智能监测系统，该系统包括以下模块：图像采集处理模块：用于获取桥梁表面图像的梯度图像；区域划分及归类模块：对梯度图像进行非极大值抑制，对非极大值抑制处理后的梯度图像进行分块得到分块图像，获取每个分块图像的梯度均值和梯度方差，根据分块图像的梯度均值和梯度方差得到平滑块和边缘块；自适应确定边缘分割阈值模块：根据平滑块中像素点的梯度值得到平滑块的边缘分割阈值；根据边缘块中像素点边缘方向上相邻像素点之间的差异性得到边缘块中像素点的权重，根据边缘块中像素点的权重以及像素点梯度方向上的最大梯度值得到调整后的边缘块中像素点的梯度值；获取边缘块调整前后的梯度直方图，根据调整前后的梯度直方图得到边缘块的最大分割阈值，根据边缘块的最大分割阈值以及边缘块中像素点的最小梯度值得到边缘块的最小分割阈值，将边缘块的最大分割阈值和最小分割阈值作为边缘块的边缘分割阈值；自适应分割模块：根据得到的平滑块的边缘分割阈值和边缘块的边缘分割阈值对非极大值抑制处理后的梯度图像进行双阈值化处理，得到边缘分割图像。
[0006]进一步地，所述对非极大值抑制处理后的梯度图像进行分块得到分块图像，包括的具体步骤如下：将非极大值抑制处理后的梯度图像记为，非极大值抑制处理后的梯度图像通过等比例分块得到个分块图像，为预设的分块比例，为非极大值抑制处理后的梯度图像的长度，为非极大值抑制处理后的梯度图像的宽度。
[0007]进一步地，所述根据分块图像的梯度均值和梯度方差得到平滑块和边缘块，包括的具体步骤如下：其中，表示第个分块图像的梯度均值，表示第个分块图像的梯度均值，表示分块图像的总个数，表示第个分块图像的梯度方差，表示第个分块图像的梯度方差；若第个分块图像同时满足(1)(2)两式的判断条件，则将第个分块图像标记为平滑块，反之标记为边缘块。
[0008]进一步地，所述根据平滑块中像素点的梯度值得到平滑块的边缘分割阈值，包括的具体步骤如下：其中，表示第个平滑块的最大分割阈值，表示第个平滑块中第个像素点的梯度值，表示第个平滑块中像素点的总个数，表示第个平滑块中像素点的最小梯度值，表示第个平滑块的最小分割阈值，第个平滑块的最大分割阈值和最小分割阈值为第个平滑块的边缘分割阈值。
[0009]进一步地，所述根据边缘块中像素点边缘方向上相邻像素点之间的差异性得到边缘块中像素点的权重，包括的具体步骤如下：其中，表示第个边缘块中第个像素点的权重，表示双曲正切函数，表示第个边缘块中第个像素点边缘方向上相邻像素点之间的差异性，表示不定参数。
[0010]进一步地，所述第个边缘块中第个像素点边缘方向上相邻像素点之间的差异性，具体获取方法如下：其中，表示第个边缘块中第个像素点边缘方向上相邻像素点之间的差异性，表示第个边缘块中第个像素点的梯度值，和分别表示第个边缘块中第个像素点边缘方向上两个相邻像素点的梯度值。
[0011]进一步地，所述根据边缘块中像素点的权重以及像素点梯度方向上的最大梯度值得到调整后的边缘块中像素点的梯度值，包括的具体步骤如下：其中，表示调整后的第个边缘块中第个像素点的梯度值，表示第个边缘块中第个像素点的权重，表示第个边缘块中第个像素点梯度方向上的最大梯度值，表示第个边缘块中第个像素点的梯度值。
[0012]进一步地，所述根据调整前后的梯度直方图得到边缘块的最大分割阈值，包括的具体步骤如下：对个边缘块中像素点的梯度值进行调整，为边缘块的总个数，得到新的非极大值抑制处理后的图像，获取个边缘块调整前后的梯度直方图，将梯度直方图中梯度频数差异最大时对应的梯度值作为每一个边缘块的最大分割阈值。
[0013]进一步地，所述根据边缘块的最大分割阈值以及边缘块中像素点的最小梯度值得到边缘块的最小分割阈值，包括的具体步骤如下：获取第个边缘块中像素点的最小梯度值，将第个边缘块中像素点的最小梯度值和第个边缘块的最大分割阈值的均值作为第个边缘块的最小分割阈值。
[0014]本专利技术的技术方案的有益效果是：通过图像局部梯度的分布差异将等区域划分得到的图像分为平滑块和边缘块两类，对于关注度较低的平滑块直接通过梯度均值得到分割阈值，而对于边缘块，根据像素点形成边缘的概率确定对像素点进行调整权重，而后基于像素点梯度方向的最大梯度值对像素梯度进行调整，得到表现特征更明显的像素点并弱化了噪声点的影响，而后根据不同区域确定边缘分割阈值，增强了边缘分割的自适应性；在进行非极大值抑制时，通过梯度之间存在的差异大小对梯度进行修正，从而扩大差异性，使边缘提取更精确化。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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。
[0016]图1为本专利技术基于人工智能的桥梁健康智能监测系统的系统框架图。
具体实施方式
[0017]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于人工智能的桥梁健康智能监测系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0018]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的桥梁健康智能监测系统，其特征在于，该系统包括以下模块：图像采集处理模块：用于获取桥梁表面图像的梯度图像；区域划分及归类模块：对梯度图像进行非极大值抑制，对非极大值抑制处理后的梯度图像进行分块得到分块图像，获取每个分块图像的梯度均值和梯度方差，根据分块图像的梯度均值和梯度方差得到平滑块和边缘块；自适应确定边缘分割阈值模块：根据平滑块中像素点的梯度值得到平滑块的边缘分割阈值；根据边缘块中像素点边缘方向上相邻像素点之间的差异性得到边缘块中像素点的权重，根据边缘块中像素点的权重以及像素点梯度方向上的最大梯度值得到调整后的边缘块中像素点的梯度值；获取边缘块调整前后的梯度直方图，根据调整前后的梯度直方图得到边缘块的最大分割阈值，根据边缘块的最大分割阈值以及边缘块中像素点的最小梯度值得到边缘块的最小分割阈值，将边缘块的最大分割阈值和最小分割阈值作为边缘块的边缘分割阈值；自适应分割模块：根据得到的平滑块的边缘分割阈值和边缘块的边缘分割阈值对非极大值抑制处理后的梯度图像进行双阈值化处理，得到边缘分割图像。2.根据权利要求1所述基于人工智能的桥梁健康智能监测系统，其特征在于，所述对非极大值抑制处理后的梯度图像进行分块得到分块图像，包括的具体步骤如下：将非极大值抑制处理后的梯度图像记为V(M,N)，非极大值抑制处理后的梯度图像通过等比例分块得到个分块图像，为预设的分块比例，M为非极大值抑制处理后的梯度图像的长度，N为非极大值抑制处理后的梯度图像的宽度。3.根据权利要求1所述基于人工智能的桥梁健康智能监测系统，其特征在于，所述根据分块图像的梯度均值和梯度方差得到平滑块和边缘块，包括的具体步骤如下：其中，表示第个分块图像的梯度均值，表示第个分块图像的梯度均值，表示分块图像的总个数，表示第个分块图像的梯度方差，表示第个分块图像的梯度方差；若第个分块图像同时满足(1)(2)两式的判断条件，则将第个分块图像标记为平滑块，反之标记为边缘块。4.根据权利要求1所述基于人工智能的桥梁健康智能监测系统，其特征在于，所述根据平滑块中像素点的梯度值得到平滑块的边缘分割阈值，包括的具体步骤如下：，其中，表示第个平滑块的最大分割阈
值，表示第个平滑块中第个像素点的梯度值，表示第个平滑块中像素点的总个数，...

【专利技术属性】
技术研发人员：苏磊，矫恒信，吴建新，刘国飞，孟令强，刘全青，栾心国，颜廷虎，杨浩亮，邱锡荣，耿靖玮，李小花，付睿，苏国举，赵方华，
申请(专利权)人：铁正检测科技有限公司，
类型：发明
国别省市：