[发明专利]一种基于YOLOv3深度学习的混凝土裂缝识别方法

说明书

本发明属于混凝土结构损伤检测技术领域，公开了一种基于YOLOv3深度学习算法的多目标裂缝识别方法，将裂缝图像导入YOLOv3模型，图像被自动压缩为416×416像素分辨率；采用类似FPN的上采样和特征融合方式，将原始图像按特征图的尺度大小划分为S×S网格；以候选框与真实框的交并比作为评价标准，对图像训练集的所有裂缝目标标注框使用K‑means聚类分析，以获得候选框的大小；通过逻辑回归对每个边界框预测该框包含目标的概率。本发明简化了网络训练的复杂性，降低了运算成本；对多目标进行快速准确识别，快速实现目标检测的同时又获得了远优于其它模型的准确率，具有更强的鲁棒性和泛化能力，更加适合工程应用环境。

技术领域

本发明属于混凝土结构损伤检测技术领域，尤其涉及一种基于YOLOv3深度学习的混凝土裂缝识别方法。

背景技术

混凝土是当今用途最广、用量最大的一种建筑材料，广泛应用于道路、桥梁、房建、隧道及大坝等基础设施的建设中。由于混凝土抗拉强度低，受收缩徐变、外界温度变化、地基变形等内外因素的共同影响，在施工建设和运营使用的过程中经常出现不同程度和形式的裂缝病害。裂缝的扩展是结构破坏的初始阶段；随着裂缝的持续发展，裂缝的宽度一旦超出一定限制，不仅影响基础设施的外观，也可能引起渗漏、耐久性降低、保护层脱落、钢筋锈蚀、混凝土碳化等，甚至对行车及行人安全造成重要影响。因此定期检测混凝土结构表面的裂缝病害状况，并针对检测结果进行预先防治是必不可少的。

混凝土强度的细观研究及工程实践经验表明，混凝土结构开裂不可避免。如果对混凝土结构的裂缝评价要求过高，会导致繁杂且高成本的维护代价，科学的做法应该是设定一个限制。一般来说，同一条裂缝上的裂缝宽度是不均匀的，控制裂缝宽度是指较宽区段(该裂缝长度的10％～15％范围)的平均宽度，这样确定的平均裂缝宽度为该裂缝的最大宽度。同样，该裂缝宽度较窄区段(裂缝长度的10％～15％范围)的平均宽度为最小裂缝宽度。在最大与最小之间为平均裂缝宽度。

一般肉眼可见的最小裂缝宽度是0.05mm，通常将小于0.05mm的裂缝称为微观裂缝，大于或者等于0.05mm的裂缝称为宏观裂缝，宏观裂缝是微观裂缝扩展的结果。一般的混凝土构筑物中宽度小于0.05mm的裂缝对使用并无危险，因此，可认为具有小于0.05mm微观裂缝的结构为无裂缝结构。所以，设计中所谓不允许开裂的结构也只能是无大于0.05mm裂缝的结构。

混凝土最大裂缝宽度的控制标准大致如下：无侵蚀介质，无防水要求的，0.3～0.4mm；轻微侵蚀，无防水要求的，0.2～0.3mm；严重侵蚀，有防水要求的，0.1～0.2mm。中国《城市桥梁检测与评定技术规范》中规定桥梁裂缝宽度不得超过0.3mm。

裂缝按其形状分为表面的、贯穿的、纵向的、横向的、上宽下窄的、下宽上窄的、枣核形的、对角线的、斜向的、外宽内窄的和纵深的(深度达1/2厚度)等等。裂缝的形状与其受力状态有直接关系，大多数裂缝的方向同主拉应力方向垂直，而纯剪裂缝的方向则同剪应力方向平行。准确识别出混凝土结构中的裂缝长度、走向和宽度，对判断结构的病害程度和运营状况有重要意义，这同时也是混凝土结构健康检测所面临的一个巨大难题。

早期所采用的裂缝检测方法以人工检测为主，需要维护人员进行现场勘查、标记、测量，并记录检测结果。人工检测方式工作强度大、效率低且不安全，需要借助检测辅助设备接近结构表面，对检测人员的专业知识和经验要求较高。此外，人工检测的结果受人为主观的影响，导致测量结果不一致、测量精度低等。同时，在桥梁、隧道等交通要道上进行人工检测有时还需封闭场地。这极大地影响了正常的交通，为车辆、行人的正常通行带来不便，严重时甚至会导致交通事故的发生。