一种基于深度学习的桥梁拉索表观缺陷分割方法技术

本发明专利技术公开了一种基于深度学习的桥梁拉索表观缺陷分割方法，涉及桥梁健康检测和机器视觉技术领域。具体包括：构造基于样本增强的桥梁拉索表观缺陷样本图像数据集；构建基于改进实例分割网络YOLACT++的桥梁拉索表观缺陷分割模型；将数据集划分为训练集和测试集，对缺陷分割模型进行训练和验证；将待检测的桥梁拉索表观缺陷图像输入到训练好的桥梁拉索表观缺陷分割模型中，获得桥梁拉索表观图像中的缺陷分割结果。本发明专利技术方法能够更快速、更准确地实现对复杂背景下桥梁拉索表观缺陷的分割，有效避免了光照不均、背景干扰、图像噪声等因素对缺陷分割的速度及准确性的影响。

【技术实现步骤摘要】

本专利技术属于桥梁健康检测和机器视觉，尤其涉及一种基于深度学习的桥梁拉索表观缺陷分割方法。

技术介绍

1、我国桥梁数量已跃居世界第一。在桥梁体系中，斜拉桥因其结构稳定、跨度范围大和结构美观而得到广泛应用。拉索是斜拉桥的关键受力构件，其耐久性和承载力能有效保证斜拉桥的服役性能。但由于拉索长期暴露在自然环境下，受温度、湿度、飓风、高荷载等多种因素的影响，拉索容易出现hdpe护套破损，水渗入拉索内部导致钢丝锈蚀，从而造成拉索断裂，甚至引起桥梁坍塌。这将严重影响桥梁使用寿命及行车安全。拉索表观裂缝和划痕缺陷的位置和形态能提供有关结构内部损坏、退化和潜在风险的大量信息。因此，对桥梁拉索进行表观缺陷检测、桥梁健康状态的评估及后续的结构养护维修而言是十分必要且重要的工作。

2、目前在桥梁拉索表观缺陷检测中，主要有人工检测和基于机器视觉的表观缺陷检测。人工检测主要依靠人眼观测的方式进行，检测人员采用高分辨率望远镜观测或搭乘拉索上的专业缆车近距离观察；但人工检测成本偏高、效率较低、容易出现漏检及安全风险大。基于机器视觉的表观缺陷检测依赖于电子技术的发展，采用爬索本文档来自技高网...

【技术保护点】

1.一种基于深度学习的桥梁拉索表观缺陷分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的桥梁拉索表观缺陷分割方法，其特征在于，

3.根据权利要求1所述的一种基于深度学习的桥梁拉索表观缺陷分割方法，其特征在于，

4.根据权利要求1所述的一种基于深度学习的桥梁拉索表观缺陷分割方法，其特征在于，

5.根据权利要求1所述的一种基于深度学习的桥梁拉索表观缺陷分割方法，其特征在于，

6.根据权利要求1所述的一种基于深度学习的桥梁拉索表观缺陷分割方法，其特征在于，

【技术特征摘要】

1.一种基于深度学习的桥梁拉索表观缺陷分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的桥梁拉索表观缺陷分割方法，其特征在于，

3.根据权利要求1所述的一种基于深度学习的桥梁拉索表观缺陷分割方法，其特征在于，

<...

【专利技术属性】
技术研发人员：张洪，何江霞，夏润川，周建庭，蒋小刚，张森华，辛景舟，胡天宇，姜丽，吴晓天，朱志伟，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：