[发明专利]一种基于U-Net的建筑物表面裂纹检测方法

权利要求书

1.一种基于U-Net的建筑物表面裂纹检测方法，其特征在于，包括如下步骤：

步骤S1、图像采集：使用相机和无人驾驶飞行器收集30张包含裂纹的建筑物原始图像；

步骤S2、图像注释：使用支持语义和实例分割的图形图像注释工具LabelMe，在每个原始图像中标记裂缝区域并将注释保存为JSON文件，然后将这些JSON文件转换为灰度图标签文件，其中裂纹区域赋予像素值1，背景区域赋予像素值0；

步骤S3、图像预处理：将每个原始图像和对应的标签分别随机剪成100个，变成512×512像素分辨率的图片；选取200张图像作为初步数据集，按比例随机分成训练集、验证集和测试集；

步骤S4、模型训练：采用Keras框架实现U-Net系统，并在Anaconda平台下，将制作好的数据集送入U-Net网络进行训练，训练完成后将模型进行保存；

步骤S5、利用模型进行裂纹检测：使用改进的U-Net模型来进行裂纹提取任务，将待检测的裂纹图片输入U-Net模型，输入与输出图像的像素大小为512×512，输出是显示每个像素类别的掩模图像。

2.根据权利要求1所述的一种基于U-Net的建筑物表面裂纹检测方法，其特征在于，在步骤S1中，所述建筑物原始图像的分辨率为3024×4032像素或3456×4608像素。

3.根据权利要求1所述的一种基于U-Net的建筑物表面裂纹检测方法，其特征在于：在步骤S3中，在选取200张图像作为初步数据集前，需将边界模糊、标记错误的数据集删掉，而后再选取200张图像作为初步数据集，其中，70％的数据集用于训练，15％的数据集用于验证，15％的数据集用于测试。

4.根据权利要求1所述的一种基于U-Net的建筑物表面裂纹检测方法，其特征在于：在步骤S4中，通过自定义函数以预定概率对图像进行转换，并使用Keras框架为网络提供数据时实现强大的实时数据增强功能，具体的采用旋转、翻转、缩放和移位导致裂缝的位移、剪切，使得裂缝略微变形，并且通过伽马变换改变图像亮度，通过上述操作以提高网络的泛化能力。

5.根据权利要求1所述的一种基于U-Net的建筑物表面裂纹检测方法，其特征在于：在步骤S4中，在卷积层中使用零填充以确保卷积层的输入图像和输出图像的尺寸保持不变。

6.根据权利要求1所述的一种基于U-Net的建筑物表面裂纹检测方法，其特征在于：在步骤S4中，通过反向传播更新模型参数时，利用Adam梯度下降优化算法提高模型的收敛速度。

7.根据权利要求1所述的一种基于U-Net的建筑物表面裂纹检测方法，其特征在于：在步骤S5中，通过设置阈值为0.5将输入图像转换为二进制图像，即将小于阈值的像素值设置为0，否则，设置为1，输出时，将所有像素值乘以255即可获得可见的预测掩模。