一种基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统技术方案

本发明专利技术公开了一种基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统，所述系统包括图像采集与预处理模块、显著性引导图像融合模块、双模态目标检测模块、特征融合与输出模块。相比于现有技术，本发明专利技术具有如下优点：显著性引导+通道注意力+多模态联合训练，三重机制构建信息闭环，提升图像融合质量；双模态并行识别与ANN融合判断，适应复杂环境下的图像退化情况，提高弱信号区域识别准确率；可部署于地铁、隧道、地下车库、管廊等多种地下结构场景，兼容多种硬件终端；具备轻量化特征提取与快速融合模块，满足边缘计算节点的实时处理要求；形成“图像获取—融合增强—深度识别—智能输出”闭环检测系统，整体效率高、误检率低。

【技术实现步骤摘要】

本专利技术属于地下结构健康监测与图像识别，涉及一种地下结构渗漏检测系统，具体涉及一种基于红外图像与可见光图像融合并结合深度神经网络的地下结构渗漏智能检测系统。

技术介绍

1、随着我国城市基础设施建设的不断推进，地铁、隧道、地下综合管廊等地下结构数量快速增长。然而，由于地下环境复杂、施工干扰因素多、长期服役条件苛刻等因素影响，地下结构渗漏水问题普遍存在，已成为制约地下工程安全运行和寿命延长的主要病害之一。渗漏水不仅破坏结构的完整性与耐久性，还可能引发衬砌脱落、钢筋锈蚀、混凝土劣化、沉降变形等一系列次生灾害，严重时甚至危及公共安全。因此，开展高效、精准、智能化的地下结构渗漏识别技术研究具有重要的现实意义和工程价值。

2、目前工程实践中应用最广泛的地下结构渗漏检测方法仍以人工巡查为主，辅以图像采集与现场目测分析。这类方式不仅检测效率低、劳动强度大，而且存在漏检率高、主观判断误差大等问题。近年来，随着计算机视觉与人工智能技术的发展，基于图像识别的自动化渗漏检测方法逐步受到重视。主流方法大多基于单模态图像构建，如可见光图像识别或红外热成像识别。然而，单一本文档来自技高网...

【技术保护点】

1.一种基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统，其特征在于所述地下结构渗漏智能检测系统包括图像采集与预处理模块、显著性引导图像融合模块、双模态目标检测模块、特征融合与输出模块，其中：

2.根据权利要求1所述的基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统，其特征在于所述图像采集与预处理模块包括双光谱成像设备、图像配准模块、图像增强模块，其中：

3.根据权利要求2所述的基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统，其特征在于所述双光谱成像设备选用红外-可见光双光谱成像设备，其红外波段在8~14μm之间，可见光通道分辨率不...

【技术特征摘要】

1.一种基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统，其特征在于所述地下结构渗漏智能检测系统包括图像采集与预处理模块、显著性引导图像融合模块、双模态目标检测模块、特征融合与输出模块，其中：

2.根据权利要求1所述的基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统，其特征在于所述图像采集与预处理模块包括双光谱成像设备、图像配准模块、图像增强模块，其中：

3.根据权利要求2所述的基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统，其特征在于所述双光谱成像设备选用红外-可见光双光谱成像设备，其红外波段在8~14μm之间，可见光通道分辨率不低于1280×720像素。

4.根据权利要求2所述的基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统，其特征在于所述图像采集与预处理模块的具体工作步骤如下：

5.根据权利要求1所述的基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统，其特征在于所述显著性引导图像融合模块为实现信息差异化增强融合，引入显著性引导机制，并结合通道注意力机制动态调整红外图像通道与可见光图像通道的融合权重，实现区域特异性的图像加权融合，具体方法如下：

6.根据权利要求5所述的基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统，其特征在于所述像素级加权叠加的公式如下：

7.根据权利要求1所述的基于多模态图像融合与深度学习识别的地下结构渗漏智能检测系统，其特征在于所述双模态目标检测模块中的两个yolov8目标检测网络中分别引入aspp模块与gam模块，用于...

【专利技术属性】
技术研发人员：隋宏宇，唐亮，孔祥勋，凌贤长，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：