一种建筑物裂纹缺陷识别方法、系统及可读存储介质技术方案

本申请实施例提供了一种建筑物裂纹缺陷识别方法、系统及可读存储介质，该方法包括获取多个目标图像块，并基于各目标图像块，构建第一目标训练集；构建初始建筑物裂纹识别网络，并基于第一目标训练集训练初始建筑物裂纹识别网络，得到目标建筑物裂纹识别网络；基于历史连通阈值进行聚类分析，得到目标连通阈值；获取经由目标建筑物裂纹识别网络输出的图像块识别结果，并基于目标连通阈值进行噪声块的筛选。该方法的实施能够提高建筑物裂纹识别精度。精度。精度。

【技术实现步骤摘要】
一种建筑物裂纹缺陷识别方法、系统及可读存储介质


[0001]本申请涉及建筑资产管理
，具体而言，涉及一种建筑物裂纹缺陷识别方法、系统及可读存储介质。

技术介绍

[0002]建筑物裂纹识别是建筑资产管理的重要方面，其反映了建筑的使用状况。随着我国建筑使用时间增加，大量的建筑出现了裂纹。传统方法是通过人工识别建筑物裂纹，不仅需要消耗较大的人力物力，还存在效率低下的问题。对此，研究者采集建筑图像，通过提取图像的裂纹特征，实现建筑物裂纹识别。传统基于图像的裂纹识别方法主要是通过人为设计的模型，提取裂纹特征，进行实现裂纹识别。但这种方法容易受到光照、环境的影响，导致建筑识别的鲁棒性不高。因此，亟需一种有效方法提高建筑物裂纹识别精度。

技术实现思路

[0003]本申请实施例的目的在基于提供一种建筑物裂纹缺陷识别方法、系统及可读存储介质，可以提高建筑物裂纹识别精度。
[0004]本申请实施例还提供了一种建筑物裂纹缺陷识别方法，包括以下步骤：S1、获取多个目标图像块，并基于各所述目标图像块，构建第一目标训练集；S2、构建初始建筑物裂纹识别网络，并基于所述第一目标训练集训练所述初始建筑物裂纹识别网络，得到目标建筑物裂纹识别网络；S3、基于历史连通阈值进行聚类分析，得到目标连通阈值；S4、获取经由所述目标建筑物裂纹识别网络输出的图像块识别结果，并基于所述目标连通阈值进行噪声块的筛选。
[0005]第二方面，本申请实施例还提供了一种建筑物裂纹缺陷识别系统，所述系统包括数据获取模块、网络训练模块、连通阈值分析模块、以及噪声块筛选模块，其中：所述数据获取模块，用于获取多个目标图像块，并基于各所述目标图像块，构建第一目标训练集；所述网络训练模块，用于构建初始建筑物裂纹识别网络，并基于所述第一目标训练集训练所述初始建筑物裂纹识别网络，得到目标建筑物裂纹识别网络；所述连通阈值分析模块，用于基于历史连通阈值进行聚类分析，得到目标连通阈值；所述噪声块筛选模块，用于获取经由所述目标建筑物裂纹识别网络输出的图像块识别结果，并基于所述目标连通阈值进行噪声块的筛选。
[0006]第三方面，本申请实施例还提供了一种可读存储介质，所述可读存储介质中包括建筑物裂纹缺陷识别方法程序，所述建筑物裂纹缺陷识别方法程序被处理器执行时，实现如上述任一项所述的一种建筑物裂纹缺陷识别方法的步骤。
[0007]由上可知，本申请实施例提供的一种建筑物裂纹缺陷识别方法、系统及可读存储
介质，获取多个目标图像块，并基于各目标图像块，构建第一目标训练集；构建初始建筑物裂纹识别网络，并基于第一目标训练集训练初始建筑物裂纹识别网络，得到目标建筑物裂纹识别网络；基于历史连通阈值进行聚类分析，得到目标连通阈值；获取经由目标建筑物裂纹识别网络输出的图像块识别结果，并基于目标连通阈值进行噪声块的筛选。通过对历史连通阈值进行聚类分析，使得得到的自适应阈值具有更好的噪声去除能力，避免因取固定的连通阈值，所造成的与实际情况不符，所导致的识别偏差问题，为后续去噪提供良好的数据基础，使得能够在有效去除噪声的情况下，大幅度提升建筑物裂纹识别精度。
[0008]本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0009]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，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相关的附图。
[0010]图1为本申请实施例提供的一种建筑物裂纹缺陷识别方法的流程图；图2为本申请实施例提供的一种建筑物裂纹缺陷识别系统的结构示意图。
具体实施方式
[0011]下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0012]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0013]请参照图1，图1是本申请一些实施例中的一种建筑物裂纹缺陷识别方法的流程图。以该方法应用于计算机设备（该计算机设备具体可以是终端或服务器，终端具体可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群）为例进行说明，包括以下步骤：步骤S1，获取多个目标图像块，并基于各所述目标图像块，构建第一目标训练集。
[0014]具体的，计算机设备在获取到目标图像时，将基于预设的分割标准对所述目标图像进行分割，得到多个对应的目标图像块。
[0015]在其中一个实施例中，所述目标图像包括俯视建筑彩图图像。计算机设备在获取到所述俯视建筑彩图图像时，会基于横向M等分、纵向N等分的分割标准对其进行分割，得到M
×
N个目标图像块。
[0016]步骤S2，构建初始建筑物裂纹识别网络，并基于所述第一目标训练集训练所述初始建筑物裂纹识别网络，得到目标建筑物裂纹识别网络。
[0017]具体的，计算机设备采用基于ViT（Vision Transformer）网络的建筑物裂纹识别模型，其中，ViT网络相较于CNN网络，其具备更强的感知能力，分类效果更好。
[0018]步骤S3，基于历史连通阈值进行聚类分析，得到目标连通阈值。
[0019]具体的，通过对现有路面裂纹识别技术的分析可知，其主要是通过设定固定的连通阈值去除噪声块，而建筑物裂纹和路面裂纹有所区别，需要根据实际情况分析出合适的连通阈值。因此，当前实施例中，基于历史连通阈值取值规律进行聚类分析，以自适应求得合适的连通阈值，以避免影响去噪效果。
[0020]需要说明的是，由于建筑图像不可避免的受到污渍、车辙的影响，导致识别错误，即将不包含裂纹的图像块识别为包含裂纹的图像块，这种图像块则被称之为噪声块，噪声块会严重影响建筑物裂纹识别进度。
[0021]步骤S4，获取经由所述目标建筑物裂纹识别网络输出的图像块识别结果，并基于所述目标连通阈值进行噪声块的筛选。
[0022]由上可知，本申请实施例提供的一种建筑物裂纹缺陷识别方法，获取多个目标图像块，并基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建筑物裂纹缺陷识别方法，其特征在于，包括以下步骤：S1、获取多个目标图像块，并基于各所述目标图像块，构建第一目标训练集；S2、构建初始建筑物裂纹识别网络，并基于所述第一目标训练集训练所述初始建筑裂纹建筑物裂纹识别网络，得到目标建筑物裂纹识别网络；S3、基于历史连通阈值进行聚类分析，得到目标连通阈值；S4、获取经由所述目标建筑物裂纹识别网络输出的图像块识别结果，并基于所述目标连通阈值进行噪声块的筛选；步骤 S4 中，所述基于所述目标连通阈值进行噪声块的筛选，包括：S41、针对识别到的每个涵盖裂纹的目标图像块，在各所述目标图像块的八领域中进行裂纹子块的搜索；S42、在确定相应目标图像块的裂纹子块个数小于或等于所述目标连通阈值时，将所述相应目标图像块作为噪声块，以实现噪声块的筛选；S43、在确定相应目标图像块的裂纹子块个数大于所述目标连通阈值时，将所述相应目标图像块作为裂纹图像块输出。2.根据权利要求 1 所述的方法，其特征在于，步骤 S1 中，所述第一目标训练集中包括样本间差异性满足预设条件的目标正样本和目标负样本。3.根据权利要求 2 所述的方法，其特征在于，步骤 S1 中，所述基于各所述目标图像块，构建第一目标训练集，包括：S11、基于各所述目标图像块，构建初始正样本和初始负样本；S12、遍历各个初始样本，遍历过程中，计算当前遍历样本与其他样本之间的局部特征点对数量；S13、遍历过程中，还基于所得的各项局部特征点对数量进行平均值的计算，得到相应的平均匹配点对数量；S14、遍历过程中，还基于所述局部特征点对数量和所述平均匹配点对数量，确定当前遍历样本与其他样本之间的差异性；S15、遍历过程中，还在确定当前遍历样本与相应其他样本间的差异性不满足预设条件时，删除所述相应其他样本；S16、遍历结束后，得到相应的的目标正样本和目标负样本。4.根据权利要求 1 所述的方法，其特征在...

【专利技术属性】
技术研发人员：刘向雷，王有道，郑俊卿，郭峰，哈亮，赵培云，尚弘森，蔡磊，田杨杨，何国才，武会斌，张焌涛，
申请(专利权)人：中铁七局电务工程有限公司，
类型：发明
国别省市：