[发明专利]一种水坝斜坡裂缝检测方法及仿生壁虎爬行检测装置

权利要求书

1.一种水坝斜坡裂缝检测方法，其特征在于包括下述步骤：

(1)训练神经网络：

1-1.准备神经网络的训练集和测试集：先用CCD工业相机采集水坝斜坡的实时图像并进行预处理，然后对图像进行增强，包括翻转、平移或旋转，得到1000张以上的裂缝图像；再将其中60～80％的图像作为训练集用于网络训练，另外20～40％的图像作为测试集用于网络测试；

1-2.调整神经网络的参数：通过对U-net神经网络的参数进行调整，使U-net神经网络能够适应裂缝图像，从而准确地分割裂缝和背景杂物；

1-3.测试：用1-1步骤获得的测试集来测试U-net神经网络的训练结果，通过均交并比MIOU和Dice系数进行评估；

(2)采用训练好的u-net神经网络，对实时采集的水坝裂缝图像进行检测，准确分割图像中的裂缝与背景杂物：

2-1.摄像机标定：把摄像机对准一个具有很多独立可标识点的已知结构，获取标定图像，然后通过OpenCV的内置函数求出摄像机的内部参数和外部参数，其中内部参数包括旋转矩阵R和平移向量T；

2-2.对图像进行矫正：左右摄像机拍摄获得水坝裂缝实时的左右图像；然后根据2-1步骤获得的旋转矩阵R和平移向量T，对实时的左右图像进行校正，得到矫正后的左右图像；

2-3.采用训练好的u-net神经网络，准确分割矫正后的左右图像中的裂缝与背景杂物，得到左右图像的裂缝特征信息；

2-4.立体匹配：将左右图像的裂缝特征信息进行匹配，分析特征之间的偏差即视差，得到视差图；

2-5.求解裂缝的深度：将视差图转化为深度图，深度depth如下所示：

其中，depth表示裂缝的深度信息；f表示归一化的焦距；b是两个摄像机光心之间的距离，也称为基线距离；disp是视差值；

2-6.求解裂缝的宽度：宽度H(A,B)为图像中裂缝的最大宽度，其公式如下所示:

H(A,B)＝max[h(A,B),h(B,A)]

其中，A为裂缝的上边缘点，B为裂缝的下边缘点；h(A,B)为点集A到点集B的单向距离，h(B,A)从点集B到点集A单向距离。

2.根据权利要求1所述的水坝斜坡裂缝检测方法，其特征在于：步骤1-2中，是采用步骤1-1获得的训练集，用TensorFlow训练u-net网络，采用学习率为0.01～0.001，迭代2000～3000次，将损失率迭代到0.4以下，完成网络模型的训练；调整的参数包括设置损失函数和调整L2正则化系数；所述损失函数L如下所示：

其中，n表示为类别数目，n取值2，表示复杂背景和裂缝两个类别；w为权重，分别表示第i类类别的概率和模型预测的概率；

损失函数中的权重w，要对图像中的每一个像素进行更新权重，使得神经网络能够专门学习裂缝的边缘信息；更新之后的权重w(x)，如下所示：

其中，b表示偏差；d ₁表示该像素点到裂缝图像上边界的最近距离；d ₂表示该像素点到裂缝图像下边界的最近距离。

3.根据权利要求1所述的水坝斜坡裂缝检测方法，其特征在于：步骤2-4中，所述视差是指左右摄像机观察得到相同的特征在x坐标上的差值，视差值disp＝x^l-x^r，其中x^l是左摄像机图中裂缝的某一特征点到光轴中心的距离，x^r是右摄像机相同特征点到右相机光轴中心的距离。

4.一种仿生壁虎爬行检测装置，其特征在于：包括机身、行走仿生机构、摄像机夹持机构和光源照明系统，是采用权利要求1～3中任一项所述的水坝斜坡裂缝检测方法进行检测；行走仿生机构安装于机身的下沿四周，用于带动仿生壁虎爬行检测装置在倾斜水坝上行走；摄像机夹持装置安装于机身的L型截面滑轨上，用于架设摄像机并能调节摄像机距离检测面的高度；光源照明系统安装于机身的顶部，用于给监测区域提供充足稳定的光源照明。