【技术实现步骤摘要】
本专利技术涉及深度学习，尤其涉及一种端到端变形测量方法、系统、存储介质、设备。
技术介绍
1、数字图像相关(dic)技术是一种基于数字图像处理的非接触式变形测量方法。其具体技术流程通常包括：对物体在不同载荷状态下采集数字图像，进行图像预处理，基于相关算法搜索匹配的像素子区，计算其间的位移场，并进一步计算获得物体的平面内位移和形变。
2、虽然数字图像相关技术得到了广泛应用，但基于传统数字图像相关算法和处理流程的变形测量系统存在以下问题：
3、1、手动设置的相关性算法参数难以取得最优，相关计算不够鲁棒，图像噪声、光照变化等都会严重影响匹配准确率；
4、2、特征识别和匹配依赖预定义的算法原理和相关标准，无法自主学习和提取图像的高级特征；
5、3、各个处理模块独立分离，无法进行端到端训练和参数优化；
6、4、变形计算过程复杂耗时，难以实现实时测量；
7、5、缺乏对遮挡、边界效应等情况的有效处理，鲁棒性差；
8、6、变形测量系统检测精度与速度难以同时兼顾。
...【技术保护点】
1.一种基于深度学习的端到端变形测量系统，其特征在于，包括：图像采集模块、图像预处理模块、ROI区域更新模块、变形预测模块、结果可视化模块、界面显示模块；
2.根据权利要求1所述的一种基于深度学习的端到端变形测量系统，其特征在于，广义位移场使用刚体平移、旋转、拉伸/压缩、剪切和局部变形表示，数学表达式如下：
3.根据权利要求2所述的一种基于深度学习的端到端变形测量系统，其特征在于，根据所述广义位移场计算出对应的应变场，公式如下：
4.根据权利要求1所述的一种基于深度学习的端到端变形测量系统，其特征在于，位移预测和应变预测模型采用编码...
【技术特征摘要】
1.一种基于深度学习的端到端变形测量系统，其特征在于，包括：图像采集模块、图像预处理模块、roi区域更新模块、变形预测模块、结果可视化模块、界面显示模块；
2.根据权利要求1所述的一种基于深度学习的端到端变形测量系统，其特征在于，广义位移场使用刚体平移、旋转、拉伸/压缩、剪切和局部变形表示，数学表达式如下：
3.根据权利要求2所述的一种基于深度学习的端到端变形测量系统，其特征在于，根据所述广义位移场计算出对应的应变场，公式如下：
4.根据权利要求1所述的一种基于深度学习的端到端变形测量系统，其特征在于，位移预测和应变预测模型采用编码-解码结构，位移预测和应变预测模型的输入与输出尺寸大小相同，编码器包含第一特征提取部分、第二特征提取部分、第三特征提取部分、第四特征提取部分、第五特征提取部分，第一特征提取部分的输出与第二特征提取部分的输入相连，第二特征提取部分的输出与第三特征提取部分的输入相连，第三特征提取部分的输出与第四特征提取部分的输入相连，第四特征提取部分的输出与第五特征提取部分的输入相连，每个特征提取部分是由两个卷积模块组成，每个特征提取部分的第一卷积模块的输入为所在特征提取部分的输入，每个特征提取部分的第一卷积模块的输出与第二卷积模块的输入相连，每个特征提取部分的第二卷积模块的输出为所在特征提取部分的输出，每一个卷积模块包含一个卷积层、一个batchnorm批量归一化层、一个leakyrelu激活层，第一特征提取部分输出第一特征图，第二特征提取部分输出第二特征图，第三特征提取...
【专利技术属性】
技术研发人员：梅爽，雷靖，邱望德，万雷兵，文国军，
申请(专利权)人：中国地质大学武汉，
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。