【技术实现步骤摘要】
本专利技术涉及了一种混凝土表面裂纹检测方法，涉及计算机视觉和缺陷检测领域，具体涉及一种采用混合差分模块的混凝土表面裂纹检测方法。
技术介绍
1、裂纹是混凝土表面常见的一种病害。为了避免裂纹可能带来的不利影响，定期对混凝土设施表面进行裂纹检测是非常必要的。为了取代耗时费力的人工检测，许多自动裂纹检测方法被提出。其中，基于计算机视觉的方法凭借精度高和成本低等优点而受到广泛关注。
2、在深度学习兴起以后，卷积神经网络被应用到裂纹检测任务中，并且取得了很大的进展。为了获取详细的混凝土表面裂纹信息以更好地评估裂纹对建筑物的影响，许多基于语义分割网络的裂纹检测算法被提出。这些裂纹分割算法将图像中的裂纹从背景里分割出来，可以获得裂纹的长度、宽度以及走向等信息。尽管开展了很多的研究，但这类算法的分割结果仍然不够精确。
3、限制卷积神经网络裂纹分割性能的重要原因是卷积神经网络中使用的普通卷积不善于处理输入特征图中的纹理细节，这使得网络难以准确地识别和分辨相似的特征，从而容易出现误判。
技术实现思路>
1、本文档来自技高网...
【技术保护点】
1.一种采用混合差分模块的混凝土表面裂纹检测方法，其特征在于，包括：
2.根据权利要求1所述的采用混合差分模块的混凝土表面裂纹检测方法，其特征在于：所述的步骤1)中，在混凝土表面裂纹图像上添加标签具体为将混凝土表面裂纹图像上的裂纹像素和背景像素分别赋予不同的值。
3.根据权利要求1所述的采用混合差分模块的混凝土表面裂纹检测方法，其特征在于：所述的步骤2)中，裂纹检测卷积神经网络具体为在卷积神经网络中使用第一混合差分模块和第二混合差分模块中的一种或两种。
4.根据权利要求3所述的采用混合差分模块的混凝土表面裂纹检测方法，其特征在于：所...
【技术特征摘要】
1.一种采用混合差分模块的混凝土表面裂纹检测方法，其特征在于，包括：
2.根据权利要求1所述的采用混合差分模块的混凝土表面裂纹检测方法，其特征在于：所述的步骤1)中，在混凝土表面裂纹图像上添加标签具体为将混凝土表面裂纹图像上的裂纹像素和背景像素分别赋予不同的值。
3.根据权利要求1所述的采用混合差分模块的混凝土表面裂纹检测方法，其特征在于：所述的步骤2)中，裂纹检测卷积神经网络具体为在卷积神经网络中使用第一混合差分模块和第二混合差分模块中的一种或两种。
4.根据权利要求3所述的采用混合差分模块的混凝土表面裂纹检测方法，其特征在于：所述的第一混合差分模块包括一个中心差分卷积层和一个卷积核大小为1×1的普通卷积层，第一混合差分模块的输入分别输入至中心差分卷积层和普通卷积层中，然后将两者输出的特征图对应位置上的元素相加后得到第一混合差分模块的输出。
5.根据权利要求4所述的采...
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。