【技术实现步骤摘要】
本专利技术涉及物体缺陷检测，尤其涉及一种基于目标检测算法的墙体缺陷检测方法及系统。
技术介绍
1、随着社会的持续发展，建筑领域的推陈出新速度越来越快，随之居民居住条件的改善。而建筑外保温性能与建筑节能效率息息相关，建筑条件改变以后，建筑所产生的热能损耗也越来越大，这加强了能源需求的程度，也促进了建筑节能和保温性能检测的发展。
2、坚持进行建筑外保温检测领域的研究可以有效抑制建筑中能源损耗，而对内墙内保温而言，实施外墙外保温，可以减缓热量消耗，但当前已有一大批外保温系统接近使用年限，很多建筑外墙外保温系统存在脱落等缺陷，不仅损失热量，还可能存在高空落物的隐患。
3、当前常见的一些方法虽然将红外热像用于了外墙保温系统的检测，但是红外热像输出的图像，可能导致图像的物体边缘目标检测算法对目标区域，也就是缺陷区域的敏感程度降低，使得待捕捉区域的边缘更难以识别，导致对缺陷检测的精度下降，从而无法对外墙的修补提供指导。
技术实现思路
1、本专利技术旨在至少解决相关技术中存在的技术问题之一。为此，本专利技术提供一种基于目标检测算法的墙体缺陷检测方法及系统。
2、本专利技术提供一种基于目标检测算法的墙体缺陷检测方法，包括：
3、s1：通过无人机携带的高速相机及偏振红外相机分别采集保温外墙图像，获得第一缺陷图像及第二缺陷图像；
4、s2：基于所述无人机的定位系统分别对第一缺陷图像及第二缺陷图像进行位置信息标注，获得第一待检测图像和第二待检测图
5、s3：对所述第二待检测图像进行开操作，获得开操作图像；
6、s4：通过孪生网络对所述第一待检测图像及所述开操作图像进行对比学习，并拟合所述孪生网络中的两个子网络的损失值，获得融合损失值；
7、s5：引入yolo网络并进行预训练，获得预训练模型；
8、s6：将所述开操作图像输入所述预训练模型，基于所述融合损失值引导所述预训练模型进行目标环境语义信息提取，并将所述目标环境语义信息与预训练模型中的卷积层进行交互，以增强开操作图像中的目标区域特征，获得缺陷检测模型；
9、s7：通过所述缺陷检测模型对待检测墙体进行缺陷检测，获得检测结果。
10、根据本专利技术提供的一种基于目标检测算法的墙体缺陷检测方法，步骤s1中的所述第二缺陷图像具有红外偏振特性，所述红外偏振特征包括偏振反射、偏振透射及热辐射偏振。
11、根据本专利技术提供的一种基于目标检测算法的墙体缺陷检测方法，步骤s2进一步包括：
12、s21：由所述无人机的定位系统获取第一缺陷图像及第二缺陷图像采集时的定位信息；
13、s22：将所述定位信息嵌入至第一缺陷图像及第二缺陷图像的exif标签中，分别获得第一待检测图像和第二待检测图像。
14、根据本专利技术提供的一种基于目标检测算法的墙体缺陷检测方法，步骤s21中的所述定位信息包括经纬度信息、高度信息及时间戳信息。
15、根据本专利技术提供的一种基于目标检测算法的墙体缺陷检测方法，其特征在于，步骤s3中，对所述第二待检测图像进行的开操作包括腐蚀及膨胀。
16、根据本专利技术提供的一种基于目标检测算法的墙体缺陷检测方法，步骤s3中的所述开操作图像的表达式为：
17、⊕⊙⊕{b}_{x})]≠
18、其中，为开操作图像，为第二待检测图像，⊕为腐蚀操作，为腐蚀结构元素，为腐蚀结构元素的参考坐标，⊙为膨胀操作，为膨胀结构元素，为获得膨胀结构元素反射的位移。
19、根据本专利技术提供的一种基于目标检测算法的墙体缺陷检测方法，步骤s4中的所述融合损失值的表达式为：
20、
21、其中，为获得的融合损失值，为包括两个单元的高斯混合模型，为第一待检测图像对应的孪生网络中的子网络的损失值，为开操作图像对应的孪生网络中的子网络的损失值，为孪生网络。
22、根据本专利技术提供的一种基于目标检测算法的墙体缺陷检测方法，步骤s6进一步包括：
23、s61：将所述开操作图像送入所述预训练模型，获得输入特征图像；
24、s62：将所述输入特征图像结合输入特征图像对应的卷积层参数，进行多层卷积，获得目标环境语义信息权重；
25、s63：将所述目标环境语义信息权重与所述输入特征图像对应的输出特征图像相乘并相加，获得样本增强图像；
26、s64：对所述样本增强图像进行空间金字塔池化，并进行多层卷积，获得重定义目标区域权重；
27、s65：通过所述重定义目标区域权重对所述预训练模型中的目标区域特征进行语义增强，获得缺陷检测模型。
28、本专利技术还提供一种基于目标检测算法的墙体缺陷检测系统，用以执行如以上任一项所述的一种基于目标检测算法的墙体缺陷检测方法，包括：
29、图像采集模块：用于基于高速相机及偏振红外相机采集保温外墙图像，并对采集到的图像进行位置信息标注，获得第一待检测图像和第二待检测图像；
30、图像形态处理模块：用于对所述图像采集模块获得的第二待检测图像进行开操作，获得开操作图像；
31、孪生学习模块：用于对所述第一待检测图像及所述开操作图像进行对比学习，并拟合所述孪生网络中的两个子网络的损失值，获得融合损失值；
32、缺陷检测模型训练模块：用于引入yolo网络并进行预训练，还用于基于融合损失值引导预训练模型进行目标环境语义信息提取，并将目标环境语义信息与预训练模型中的卷积层进行交互，以增强开操作图像中的目标区域特征，获得缺陷检测模型；
33、缺陷检测模块：用于通过所述缺陷检测模型训练模块获得的缺陷检测模型对待检测墙体进行保温材料缺陷检测，获得检测结果。
34、与现有技术相比，本专利技术的有益效果是：本专利技术提供的一种基于目标检测算法的墙体缺陷检测方法及系统，通过红外热像与偏振技术的结合，对处于室外暴露场景的外保温墙体进行表面眩光的滤除及额外反射光线的滤除，同时凭借对纹理的敏感性，可以使得物体边缘更加突出，并将红外偏振图像进行形态学处理后通过孪生网络中两个相同的子网络对未处理图像及红外偏振图像进行同步学习，学习后的损失值进行拟合，然后通过该拟合值对目标检测网络的训练提供基础，在目标检测网络训练过程中，我们基于该拟合值对上下文的信息进行提取并赋予新的权重值，以将偏振特性体现，让目标检测网络进一步的对待检测图像的目标区域的敏感程度提升。
35、也就是说本专利技术提供的一种基于目标检测算法的墙体缺陷检测方法及系统，通过对图像的包括偏振融入、形态学处理、孪生网络及通过前后信息提取交互的目标检测网络的多层次处理及学习，进行目标区域的纹理凸显，及目标区域与其他区域的分割，不仅丰富了图像的语义信息，保证目标区域的检测的精确度，外保温墙体缺陷的定位，还能够提高目标检测模型的鲁棒性，为后续外保温墙体的修缮提供支撑，完成外保温墙体缺陷检测的高效率、精确化的自动化监测本文档来自技高网...
【技术保护点】
1.一种基于目标检测算法的墙体缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于目标检测算法的墙体缺陷检测方法，其特征在于，步骤S1中的所述第二缺陷图像具有红外偏振特性，所述红外偏振特征包括偏振反射、偏振透射及热辐射偏振。
3.根据权利要求1所述的一种基于目标检测算法的墙体缺陷检测方法，其特征在于，步骤S2进一步包括：
4.根据权利要求3所述的一种基于目标检测算法的墙体缺陷检测方法，其特征在于，步骤S21中的所述定位信息包括经纬度信息、高度信息及时间戳信息。
5.根据权利要求1所述的一种基于目标检测算法的墙体缺陷检测方法，其特征在于，步骤S3中，对所述第二待检测图像进行的开操作包括腐蚀及膨胀。
6.根据权利要求5所述的一种基于目标检测算法的墙体缺陷检测方法，其特征在于，步骤S3中的所述开操作图像的表达式为：
7.根据权利要求1所述的一种基于目标检测算法的墙体缺陷检测方法，其特征在于，步骤S4中的所述融合损失值的表达式为：
8.根据权利要求1所述的一种基于目标检测算法的墙体缺陷检测方
9.一种基于目标检测算法的墙体缺陷检测系统，用以执行如权利要求1至8任一项所述的一种基于目标检测算法的墙体缺陷检测方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于目标检测算法的墙体缺陷检测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于目标检测算法的墙体缺陷检测方法，其特征在于，步骤s1中的所述第二缺陷图像具有红外偏振特性，所述红外偏振特征包括偏振反射、偏振透射及热辐射偏振。
3.根据权利要求1所述的一种基于目标检测算法的墙体缺陷检测方法，其特征在于，步骤s2进一步包括：
4.根据权利要求3所述的一种基于目标检测算法的墙体缺陷检测方法，其特征在于，步骤s21中的所述定位信息包括经纬度信息、高度信息及时间戳信息。
5.根据权利要求1所述的一种基于目标检测算法的墙体缺陷检测方法，...
【专利技术属性】
技术研发人员：刘嵩，马志恒，张敬山，唐小勇，关军，蒋毅，
申请(专利权)人：中建国际工程有限公司，
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。