一种水泥路面病害识别方法技术

本发明专利技术公开一种水泥路面病害识别方法

【技术实现步骤摘要】
一种水泥路面病害识别方法、介质及系统


[0001]本专利技术涉及水泥路面病害识别
，尤其涉及一种水泥路面病害识别方法
、
介质及系统
。

技术介绍

[0002]根据
《
公路技术状况评定标准
》(JTG5210
‑
2018)
规定，如图1所示，路面图像中常见的水泥路面病害类型包括裂缝
、
边角剥落
、
板角断裂和破碎板：
(1)
裂缝为水泥板块上只有一条裂缝的情况；
(2)
板角断裂为裂缝与纵横接缝相交的裂缝，且交点距板角小于等于板边长度一半的损坏；
(3)
破碎板为水泥板被裂缝分为三块及以上的情况
。
其中裂缝和边角剥落按实际检测长度统计破损率，而板角断裂和破碎板则按实际检测面积统计破损率
。
[0003]现有深度学习模型在图像中识别上述病害时精度不高，主要原因在于所有病害实际上都是由裂缝发育产生，形态上都接近裂缝，这一方面导致在人工标注阶段很难明确病害类型划分界限，例如，在图像中很难精确判断裂缝与板边交是小于板边长度的一半
。
另一方面，在模型训练阶段，若直接按照语义
(
即病害类型
)
进行识别，易造成裂缝与非裂缝类病害的混淆，例如，构成破碎板的3条及以上裂缝，在形态上与裂缝完全一致，导致训练好的模型在裂缝类上过拟合，从而无法判别破碎板
。

技术实现思路
/>[0004]本专利技术实施例提供一种水泥路面病害识别方法
、
介质及系统，以解决现有技术无法准确识别水泥路面病害的问题
。
[0005]第一方面，提供一种水泥路面病害识别方法，包括：
[0006]将采集的水泥路面图像分别输入病害识别模块，使所述病害识别模块识别所述水泥路面图像中的裂缝区域和
/
或接缝区域后，输出标注有裂缝区域的第一图像和
/
或标注有接缝区域的第二图像；
[0007]将所述第一图像输入精细化处理模块，使所述精细化处理模块从所述第一图像中的裂缝区域提取单条裂缝后，输出标注有提取的所述裂缝的第三图像；
[0008]将所述第二图像输入精细化处理模块，使所述精细化处理模块基于所述第二图像中的接缝区域对构建的掩膜图像进行划分后，输出具有互不重叠的水泥板块区域的第四图像；
[0009]将所述第三图像和所述第四图像输入病害识别模块，使所述病害识别模块根据所述第三图像中的裂缝在所述第四图像中的每一所述水泥板块区域的数量以及所述水泥板块区域与裂缝的位置关系，输出每一所述水泥板块区域的病害的种类
。
[0010]第二方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令；所述计算机程序指令被处理器执行时实现如第一方面实施例所述的水泥路面病害识别方法
。
[0011]第三方面，提供一种水泥路面病害识别系统，包括：如第二方面实施例所述的计算
机可读存储介质
。
[0012]这样，本专利技术实施例，充分利用深度学习模型对裂缝的识别能力，在第一阶段只通过相关模型提取图像中所有裂缝区域，消除裂缝与非裂缝类病害的语义歧义；通过提取图像中的接缝区域划分独立的水泥板块；通过分析每块水泥板块中的裂缝数量以及裂缝形态与板块边缘的相对空间关系，判别具体的病害类型；提高判别结果的准确性
。
附图说明
[0013]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的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性的前提下，还可以根据这些附图获得其他的附图
。
[0014]图1是水泥路面常见的病害的示意图，其中，
(a)
裂缝，
(b)
板角断裂板，白色实线框表示，
(c)
破碎板，白色实线框；
[0015]图2是本专利技术实施例的水泥路面病害识别方法的流程图；
[0016]图3是本专利技术实施例的识别是否为板角断裂的示意图，其中，
(a)
获取图像边缘，
(b)
获取接缝，与图像边缘构建独立水泥板块区域，
(c)
提取第一交点，识别是否为板角断裂；
[0017]图4是本专利技术实施例的识别是否为破碎板的示意图，其中，
(a)
获取图像边缘，
(b)
获取接缝，与图像边缘构建独立水泥板块区域，
(c)
提取连通域，识别是否为破碎板；
[0018]图5是本专利技术实施例的病害识别单元的结构示意图
。
具体实施方式
[0019]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
、
完整地描述，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作出创造性劳动前提下所获取的所有其他实施例，都属于本专利技术保护的范围
。
[0020]本专利技术实施例公开了一种水泥路面病害识别方法
。
如图1所示，本专利技术实施例的方法包括如下的步骤：
[0021]步骤
S101
：将采集的水泥路面图像分别输入病害识别模块，使病害识别模块识别水泥路面图像中的裂缝区域和
/
或接缝区域后，输出标注有裂缝区域的第一图像和
/
或标注有接缝区域的第二图像
。
[0022]本专利技术实施例的病害识别模块使用经典的编码器
‑
解码器图像分割模型实现裂缝识别和接缝识别两个任务
。
具体的，病害识别模块包括：两个病害识别单元
。
其中，一个病害识别单元，使用基于卷积神经网络的语义分割模型一识别水泥路面中所有裂缝区域，用于输出第一图像，另一个病害识别单元，使用另外一个基于卷积神经网络的语义分割模型二识别水泥路面中的接缝区域，用于输出第二图像
。
[0023]具体的，如图5所示，病害识别单元采用改进后的
DeepLabv3+
语义分割模型，
DeepLabv3+
语义分割模型由依次连接的
ResNet101
编码器
、
金字塔特征池化
(ASPP)
模块和多尺度特征融合解码器构成
。
[0024]对于
ResNet101
编码器，包括一个输入卷积层和多个依次连接卷积组
(
一般是四组
)。
输入卷积层一般由尺寸较大的卷积核实现，如
7x7
的卷积核
。
每个卷积组由不同数量的残差模块构成，
...

【技术保护点】

【技术特征摘要】
1.
一种水泥路面病害识别方法，其特征在于，包括：将采集的水泥路面图像分别输入病害识别模块，使所述病害识别模块识别所述水泥路面图像中的裂缝区域和
/
或接缝区域后，输出标注有裂缝区域的第一图像和
/
或标注有接缝区域的第二图像；将所述第一图像输入精细化处理模块，使所述精细化处理模块从所述第一图像中的裂缝区域提取单条裂缝后，输出标注有提取的所述裂缝的第三图像；将所述第二图像输入精细化处理模块，使所述精细化处理模块基于所述第二图像中的接缝区域对构建的掩膜图像进行划分后，输出具有互不重叠的水泥板块区域的第四图像；将所述第三图像和所述第四图像输入病害识别模块，使所述病害识别模块根据所述第三图像中的裂缝在所述第四图像中的每一所述水泥板块区域的数量以及所述水泥板块区域与裂缝的位置关系，输出每一所述水泥板块区域的病害的种类
。2.
根据权利要求1所述的水泥路面病害识别方法，其特征在于，所述病害识别模块包括：两个病害识别单元，一个所述病害识别单元用于输出所述第一图像，另一个所述病害识别单元用于输出所述第二图像；其中，所述病害识别单元为改进后的
DeepLabv3+
语义分割模型，所述
DeepLabv3+
语义分割模型由依次连接的
ResNet101
编码器
、
金字塔特征池化
ASPP
模块和多尺度特征融合解码器构成；其中，所述多尺度特征融合解码器使用分阶段的特征拼接和融合实现
。3.
根据权利要求2所述的水泥路面病害识别方法，其特征在于，所述输出标注有提取的所述裂缝的第三图像的步骤，包括：将所述第一图像输入所述精细化处理模块，通过
skimage
库
morphology
模块中的
skeletonize
函数从所述第一图像中的裂缝区域提取一个像素宽度的单条裂缝，再通过
skimage
库
measure
模块中的
label
函数标注不同的单条裂缝，输出所述第三图像
。4.
根据权利要求2所述的水泥路面病害识别方法，其特征在于，所述输出具有互不重叠的水泥板块的第四图像的步骤，包括：将所述第二图像输入精细化处理模块，通过
skimage
库
morphology
模块中的
skeletonize
函数从所述第二图像中的接缝区域提取一个像素宽度的单条接缝，再通过
skimage
库
transform
模块中的
hough_line
函数对接缝进行拟合，得到接缝信息，最后构建全0的掩膜图像，通过
opencv
库
line
函数根据所述接缝信息在所述掩膜图像中的对应位置填充接缝，并根据所述接缝和所述掩膜图像的边缘将...

【专利技术属性】
技术研发人员：郭远昊，张菁红，曹建坤，张洁，弋晓明，潘宗俊，
申请(专利权)人：中公高科养护科技股份有限公司，
类型：发明
国别省市：