[发明专利]一种基于对抗生成网络的路面裂缝缺陷检测方法

说明书

本发明公开了一种基于对抗生成网络的路面裂缝缺陷检测方法，包括如下步骤：S1、将图像数据X输入至生成器并生成与裂缝标签Y对应的赝品标签Y’；S2、将图像数据X和赝品标签Y’在通道上进行连接，传输至辨别器并输出第一结果G_n；S3、将图像数据X和裂缝标签Y在通道上进行连接，传输至辨别器并输出第二结果G_p；S4、训练辨别器判断G_p为真，G_n为假，并将判断假的部分反向传播调整生成器参数；S5、更换所述图像数据X并重复步骤S1‑S4对生成器和辨别器重复训练，直到辨别器无法判别G_p为真，G_n为假；S6、训练完成后，固定生成器参数，将要检测的图片输入生成器，输出一个1280*1280*1的得分矩阵，然后通过阀值进行过滤，得出检测结果。能够更清楚的辨别裂缝病害。

技术领域

本发明涉及桥梁病害检测，特别是涉及一种基于对抗生成网络的路面裂缝缺陷检测方法。

背景技术

生成对抗网络(GAN，Generative Adversarial Net)模型中分别由生成式模型(generative model)和判别式模型(discriminative model)组成。判别模型的任务是判断给定的图像看起来是自然的还是人为伪造的(图像来源于数据集)。生成模型的任务是生成看起来自然真实的、和原始数据相似的图像。

公路作为国家国民经济发展的一项重要基础设施，为我国社会经济发展做出了突出的贡献，它深刻地影响着社会、经济以及人民生活。2018年末，中国公路总里程达到485.95万公里，相比于20年前已翻了数倍。随着中国公路通车里程的不断增加和机动化进程的加快，公路使用时间和频率不断增长，路面常年承受的车轮碾压及冰雪雨天气等复杂自然因素的影响，很多公路表面已出现了或多或少的裂缝病害，这些裂缝大大降低了公路的服务能力。为此，及早发现裂缝并进行维护可以及时避免裂缝进一步发展造成的严重影响，具有重要的现实意义。

路面裂缝是评价路面质量最重要的参数之一，是大部分病害的早期表现形式，直接影响着公路使用寿命和行车安全，及早发现裂缝并进行维护可以及时避免裂缝进一步发展造成的严重影响。传统的人工检测方法，因其耗时费力、不精确、受个人主观影响大、户外作业危险、影响正常交通等缺点，愈来愈不能适应公路发展的要求。随着数字影像技术的成熟发展，数字相机以其高质量图片拍摄、快速数据存储等优点被广泛应用，路面裂缝图像数据呈爆发式增长，这对人工肉眼观察裂缝病害工作提出了更加严峻的挑战。

发明内容

针对上述现有技术的不足，本发明提供了一种基于对抗生成网络的路面裂缝缺陷检测方法，以解决上述问题中的不足之处。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于对抗生成网络的路面裂缝缺陷检测方法，包括如下步骤：

S1、将图像数据X输入至生成器并生成与裂缝标签Y对应的赝品标签Y’；

S2、将图像数据X和赝品标签Y’在通道上进行连接，传输至辨别器并输出第一结果G_n；

S3、将图像数据X和裂缝标签Y在通道上进行连接，传输至辨别器并输出第二结果G_p；

S4、训练辨别器判断G_p为真，G_n为假，并将判断假的部分反向传播调整生成器参数；

S5、更换所述图像数据X并重复步骤S1-S4对生成器和辨别器重复训练，直到辨别器无法判别G_p为真，G_n为假；

S6、训练完成后，固定生成器参数，将要检测的图片输入生成器，输出一个1280*1280*1的得分矩阵，然后通过阀值进行过滤，得出检测结果。

作为优化，在将图像数据X输入至生成器之前，先将所述图像数据X的大小调整为1280*1280。

作为优化，所述生成器是编解码器结构，包括编码器、解码器和瓶颈模块，所述编码器和所述解码器通过所述瓶颈模块连接。