【技术实现步骤摘要】
一种基于卷积神经网络的轻量型裂缝分割方法
[0001]本专利技术属于混凝土结构损伤检测
，具体涉及一种基于卷积神经网络的轻量型裂缝分割方法。
技术介绍
[0002]混凝土结构在时间和环境因素的共同作用下，会逐渐产生裂缝、磨损、气蚀和侵蚀等表观缺陷，这些缺陷当中裂缝所带来的危害是最大的，它不仅存在于表面，更有可能渗入内部，对结构整体安全产生巨大威胁。目前混凝土结构的裂缝检测主要靠人工进行逐个筛别和记录。传统的人工巡检混凝土裂缝不但在人力和物力上有着巨大的消耗，而且检测方案效率也及其低下，达不到快速检测的目的。
[0003]利用计算机视觉方式来实现混凝土裂缝准确检测成为主流趋势，且取得了不错的效果。就利用视觉检测裂缝而言，尽管能在一定程度上降低检测成本，但是也存在一些无法避免的问题：（1）导致更频繁的检测周期；（2）当图像存在较大差异时，使用预先得到的原始参数进行处理导致检测精度变低，需要对图像参数进行手动调整，操作相对繁琐，泛化能力不足；(3) 在噪声干扰下结合昏暗环境易出现对细小的裂缝检测失误，造成判断的出错。...
【技术保护点】
【技术特征摘要】
1.一种基于卷积神经网络的轻量型裂缝分割方法，其特征在于，包括以下步骤：S1、采集桥塔内表面图像，对其进行病害筛查和分类，得到裂缝粗分割图像；S2、对裂缝粗分割图像进行图像增强与增广处理，构建裂缝图像数据集；S3、对裂缝图像数据集中的桥塔内表面裂缝图像进行统计学分析；S4、根据统计学分析结果和裂缝粗分割图像构建桥塔内表面裂缝分割网络，并利用裂缝图像数据集对其训练，得到桥塔内表面裂缝精准分割模型；S5、对桥塔内表面裂缝精准分割模型的裂缝分割结果进行形态学后处理，得到桥塔内表面的裂缝分割检测结果。2.根据权利要求1所述的基于卷积神经网络的轻量型裂缝分割方法，其特征在于，所述步骤S1中，通过快速分割模型对桥塔内表面图像进行病害筛查和分类；所述快速分割模型为编码
‑
解码结构的轻量型卷积神经网络。3.根据权利要求1所述的基于卷积神经网络的轻量型裂缝分割方法，其特征在于，所述步骤S2具体为：S21、将裂缝粗分割图像从RGB色彩空间转换到YUV色彩空间后，处理Y通道图像进行亮度直方图的重映射，获得增强裂缝粗分割图像；S22、将增强裂缝粗分割图像从YUV色彩空间转换到RGB色彩空间；S23、在RGB色彩空间内，对增强裂缝粗分割图像进行颜色直方图重映射，调整图像在R、G、B三个通道的色度分布，得到裂缝增强图像；S24、对裂缝增强图像进行增广处理，进而构建裂缝图像数据集。4.根据权利要求3所述的基于卷积神经网络的轻量型裂缝分割方法，其特征在于，所述步骤S21具体为：S21
‑
1、将裂缝粗分割图像从RGB色彩空间转换到YUV色彩空间；S21
‑
2、在YUV色彩空间内，取出Y通道图像作为亮度直方图重映射的输入，计算亮度级k的概率密度函数；其中，、分别为亮度级的像素数量、像素总数量；S21
‑
3、根据概率密度函数，计算Y通道图像对比度限制后的概率密度函数；式中，为超过阈值的直方图均值，为直方图限制阈值，为最大概率密度函数；S21
‑
4、根据概率密度函数，计算Y通道图像剪裁后直方图亮度级l对应的累积分布函数；S21
‑
5、在累积分布函数的基础上进行Y通道图像亮度直方图的重映射，获得增强裂缝粗分割图像。
5.根据权利要求3所述的基于卷积神经网络的轻量型裂缝分割方法，其特征在于，所述步骤S23中，颜色直方图重映射是指对增强裂缝粗分割图像的各颜色分类进行非线性重映射，其表达式为：式中，为图像增强结果，为颜色分量重映射的输入色度等级， 为非线性映射结果，其表达式为：式中，为校正系数，为图像色度平均值，和分别为颜色重映射中的下阈值和上阈值，其表达式为：式中，为色阶因子，为临界值，为色度值，为输入色度数量。6.根据权利要求3所述的基于卷积神经网络的轻量型裂缝分割方法，其特征在于，所述步骤S4中，所述桥塔内表面裂缝精准分割模型包括第一主干特征提取模块、第二主干特征提取模块、第一注意力机制特征提取模块...
【专利技术属性】
技术研发人员：税宇航，张华，陈波，张雨楠，王承银，符美琦，霍建文，周怀芳，熊劲松，张九林，
申请(专利权)人：重庆红岩建设机械制造有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。