[发明专利]一种基于SegNet的建筑物表面裂纹检测方法

权利要求书

1.一种基于SegNet的建筑物表面裂纹检测方法，其特征在于，包括以下步骤：

步骤S1：采集原始桥梁裂纹图像数据集以及原始墙体裂纹图像数据集；

步骤S2：对步骤S1采集的图像进行注释，标注出裂纹的轮廓；

步骤S3：进行图像预处理；

步骤S4：进行模型训练，采用Keras框架实现SegNet模型，并在Anaconda平台下，将预处理后的数据集送入改进的SegNet模型进行训练，训练完成后将最佳模型保存；

步骤S5：利用步骤S4保存的最佳模型进行裂纹检测。

2.根据权利要求1所述的一种基于SegNet的建筑物表面裂纹检测方法，其特征在于，步骤S1中，原始桥梁裂纹图像数据集的分辨率为1024×1024像素；原始墙体裂纹图像数据集的分辨率为256×256像素。

3.根据权利要求1所述的一种基于SegNet的建筑物表面裂纹检测方法，其特征在于，步骤S2具体为，为了突出图像中的裂纹情况，标注采用的是一个二值化的黑白图，像素为0和255；其中在桥梁裂纹图像数据集中将裂纹标注成白色，背景标注为黑色；由于墙面背景大部分是白色，在墙体裂纹图像数据集中将裂纹标注成黑色，背景标注成白色；标注完成后，将图像的亮度调至最暗得到二值化的裂纹标注图像。

4.根据权利要求1所述的一种基于SegNet的建筑物表面裂纹检测方法，其特征在于，步骤S3具体为：对原始桥梁裂纹图像进行裁剪，对原始墙体裂纹图像进行数据增强。

5.根据权利要求1所述的一种基于SegNet的建筑物表面裂纹检测方法，其特征在于，步骤S4包括：将最初的SegNet模型对21种类型的分割改为对2种类型的分割，即将多分类情况改为二分类；并采用灰度图像输入，将输入尺寸由原来的360×480改成256×256。

6.根据权利要求1所述的一种基于SegNet的建筑物表面裂纹检测方法，其特征在于，步骤S4包括：为了防止过拟合，在SegNet模型中将所有的卷积层与ReLU 激活函数之间添加了BN 层。

7.根据权利要求1所述的一种基于SegNet的建筑物表面裂纹检测方法，其特征在于，步骤S4包括：为了提高收敛速度，将SegNet模型中随机梯度下降换成采用 Adam优化器，同时设置若连续训练5轮，模型效果没有改善就将学习率衰减为原来的五分之一，其中设学习率的最低值为0.00001。

8.根据权利要求1所述的一种基于SegNet的建筑物表面裂纹检测方法，其特征在于，步骤S5具体为：采用滑动窗口扫描方法，将待检测的裂纹图片进行扫描，并依次送入步骤S4训练好的SegNet模型进行分类判断；其中桥梁裂纹图像数据集中，当判断结果为裂纹时，对应区域的像素值保留，反之，则像素值赋0；墙体裂纹图像数据集中，当判断结果为裂纹时，对应区域的像素值保留；反之，则像素值赋1。

9.根据权利要求8所述的一种基于SegNet的建筑物表面裂纹检测方法，其特征在于，在进行检测之前，将待检测的图片做边界零填充，得到的图像尺寸长、宽均为256的整数倍；接着将填充后的图像用256×256的滑动窗口进行扫描，扫描顺序为从左到右、从上到下。