基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法技术

本发明专利技术提供一种基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法。该方法包括：步骤1：采集仅包含裂缝修补痕迹和/或二次裂缝的桥梁图像以构建得到图像数据集；步骤2：对图像数据集进行单样本几何变换使得每张图像内裂缝修补痕迹或二次裂缝所占区域增加，得到新的图像数据集；步骤3：对新的图像数据集作图像预处理，得到预处理数据集；步骤4：构建YOLOv7网络，使用预处理数据集对所述YOLOv7网络进行训练，得到目标检测模型；步骤5：将待测桥梁图像输入至目标检测模型，得到检测结果。测结果。测结果。

【技术实现步骤摘要】
基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法


[0001]本专利技术涉及桥梁养护维修
，尤其涉及一种基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法。

技术介绍

[0002]桥梁经过常年使用之后，可能会出现一些桥梁病害，这些桥梁病害对桥梁的结构安全造成影响。因此，需要加强对桥梁的定期检测，以保证桥梁的结构安全。
[0003]据统计，国内绝大部分的桥梁是钢筋混凝土桥梁，其中裂缝病害是最为主要的病害形式。裂缝病害可以在桥梁的任何位置出现，使得环境中的水蒸气和二氧化碳与钢筋接触导致钢筋锈蚀，从而增加桥梁的危险性，因此要对裂缝病害进行处置。
[0004]现在使用的很多裂缝修复技术，均会留下修补痕迹。由于裂缝修补材料与混凝土的性能差异，随着使用时间的增加，裂缝修补材料自身会被撕裂或与裂缝内壁脱离，导致裂缝出现二次开裂，这对桥梁安全的危害会大于一次裂缝。
[0005]目前，除了利用人工检测桥梁裂缝的方法，前沿的技术主要以图像识别为主。但目前的图像识别以一次裂缝为主，对于裂缝修补痕迹和二次裂缝的相关技术却很少。此外，在实际的桥梁裂缝检测中，由于桥梁所处的环境复杂，树木阴影、光照的不均匀会影响裂缝修补痕迹和二次裂缝的连续性和亮度均衡，弱化图像特征，而且二次裂缝大概率出现在裂缝修补痕迹上，因此常用的图像识别技术不适合用来进行裂缝修补痕迹和二次裂缝的分类检测。

技术实现思路

[0006]为了准确识别桥梁裂缝修补痕迹和二次裂缝，本专利技术提供一种基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法。
[0007]本专利技术提供一种基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法，包括：
[0008]步骤1：采集仅包含裂缝修补痕迹和/或二次裂缝的桥梁图像以构建得到图像数据集；
[0009]步骤2：对图像数据集进行单样本几何变换使得每张图像内裂缝修补痕迹或二次裂缝所占区域增加，得到新的图像数据集；
[0010]步骤3：对新的图像数据集作图像预处理，得到预处理数据集；
[0011]步骤4：构建YOLOv7网络，使用预处理数据集对所述YOLOv7网络进行训练，得到目标检测模型；
[0012]步骤5：将待测桥梁图像输入至目标检测模型，得到检测结果。
[0013]进一步地，步骤3中，对新的图像数据集作图像预处理，具体包括：
[0014]步骤A1：将当前图像转化为灰度图像；
[0015]步骤A2：在所述灰度图像中加入泊松噪声，得到含噪图像；
[0016]步骤A3：调整双边滤波器的滤波参数，在不同滤波参数下，利用双边滤波器对所述含噪图像进行滤波处理，得到对应的多个滤波图像；
[0017]步骤A4：比较所述多个滤波图像，选取滤波效果满足给定要求的滤波图像作为最终的滤波图像；
[0018]步骤A5：对所述最终的滤波图像进行分割，得到二值化图像。
[0019]进一步地，步骤A4中，根据滤波图像的峰值信噪比以及滤波图像与灰度图像之间的相似度来选取，当峰值信噪比和相似度均满足给定阈值时，则认为该滤波图像的滤波效果满足给定要求。
[0020]进一步地，采用结构相似性SSIM算法来计算滤波图像和灰度图像之间的相似度。
[0021]进一步地，步骤A5中，采用OTSU图像阈值方法对所述最终的滤波图像进行分割。
[0022]进一步地，在步骤4之前，还包括：对预处理数据集进行数据增强。
[0023]本专利技术的有益效果：
[0024]本专利技术通过对原始数据集进行图像预处理操作，可以保留裂缝修补痕迹和二次裂缝的特征信息和边缘细节，如此，使用图像预处理后的数据集对YOLOv7模型进行训练所得到的目标检测模型，可以有效提高裂缝修补痕迹和二次裂缝的分类检测准确率。
附图说明
[0025]图1为本专利技术实施例提供的基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法的流程示意图；
[0026]图2为本专利技术实施例提供的OTSU图像阈值法分割图像的流程示意图。
具体实施方式
[0027]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]如图1所示，本专利技术实施例提供一种基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法，包括以下步骤：
[0029]S101：采集仅包含裂缝修补痕迹和/或二次裂缝的桥梁图像以构建得到图像数据集；
[0030]具体地，可在桥梁定期检测中，利用人工手持拍摄设备或者无人机设备采集裂缝病害的图像，其中包括裂缝修补痕迹和二次裂缝的图像。之后，从采集到的所有图像中筛选出仅含裂缝修补痕迹和/或二次裂缝的图像，组成图像数据集。
[0031]S102：对图像数据集进行单样本几何变换使得每张图像内裂缝修补痕迹或二次裂缝所占区域增加，得到新的图像数据集；
[0032]具体地，本实施例中的单样本几何变换，包括裁剪、旋转操作，使图像中大部分区域为裂缝修补痕迹或二次裂缝。
[0033]S103：将新的图像数据集分为两部分，对其中一部分作图像预处理，得到预处理数
据集，对另一部分不作图像预处理，记作原始数据集；
[0034]具体地，本实施例将新的图像数据集分为两部分的目的是为了后续体现图像预处理对提高目标检测模型性能作数据集方面的准备。可以理解的是，在实际应用中，无需对新的图像数据集进行划分。
[0035]作为一种可实施方式，为了体现随机性和便于对比，本步骤的图像数据集划分方式具体包括：针对新的图像数据集中的每张图像，将该图像按照1:1比例随机分为两部分，直至将新的图像数据集中的所有图像均随机分为两部分，从而最终将新的图像数据集分为两部分。
[0036]本实施例中，图像预处理主要包括以下步骤：
[0037]步骤A1：将当前图像转化为灰度图像。例如，通过MATLAB导入RGB图像，利用加权平均法将RGB图像转化为单通道的灰度图像。
[0038]步骤A2：在所述灰度图像中加入泊松噪声，得到含噪图像。例如，利用MATLAB中的泊松函数，在裂缝修补痕迹和二次裂缝的灰度图像中加入泊松噪声，使得含噪图像中像素的离散泊松分布概率P
G
满足式(1)：
[0039][0040]其中，f
i
和y
i
分别表示干净图像f和含噪图像y中的第i个分量，e为自然对数的底。
[0041]步骤A3：调整双边滤波器的滤波参数，在不同滤波参数下，利用双边滤波器对所述含噪图像进行滤波处理，得到对应的多个滤波图像。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法，其特征在于，包括：步骤1：采集仅包含裂缝修补痕迹和/或二次裂缝的桥梁图像以构建得到图像数据集；步骤2：对图像数据集进行单样本几何变换使得每张图像内裂缝修补痕迹或二次裂缝所占区域增加，得到新的图像数据集；步骤3：对新的图像数据集作图像预处理，得到预处理数据集；步骤4：构建YOLOv7网络，使用预处理数据集对所述YOLOv7网络进行训练，得到目标检测模型；步骤5：将待测桥梁图像输入至目标检测模型，得到检测结果。2.根据权利要求1所述的基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法，其特征在于，步骤3中，对新的图像数据集作图像预处理，具体包括：步骤A1：将当前图像转化为灰度图像；步骤A2：在所述灰度图像中加入泊松噪声，得到含噪图像；步骤A3：调整双边滤波器的滤波参数，在不同滤波参数下，利用双边滤波器对所述含噪图像进行滤波处理，得到对应的多个滤波图像；步骤A4：比较所述多个滤波...

【专利技术属性】
技术研发人员：赫中营，徐闻，李浩洋，宋一凡，满建祥，
申请(专利权)人：河南大学，
类型：发明
国别省市：