[发明专利]基于多迁移学习模型融合的大坝裂缝检测方法

说明书

本发明基于多迁移学习模型融合的大坝裂缝检测方法涉及图像识别领域，尤其是一种多模型融合的大坝裂缝检测方法。该方法首先收集道路、墙壁、桥梁和大坝裂缝数据集，对大坝裂缝图片数据集进行数据增强处理；构建MobileNet‑SSD目标检测模型，将SSD算法中原有的VGG网络替换成MobileNet网络结构；进行模型训练；训练完成后，提取道路裂缝检测模型和墙壁裂缝检测模型中已经训练好的MobileNet结构参数，导入未训练的MobileNet‑SSD中，对MobileNet结构进行冻结；利用数据增强后的大坝裂缝数据集进行迁移学习，得到多个模型后，将多个模型进行融合计算，提高大坝裂缝检测的准确度。

技术领域

本发明基于多迁移学习模型融合的大坝裂缝检测方法涉及图像识别领域，尤其是一种多模型融合的大坝裂缝检测方法。

背景技术

在过去的几十年里，我国水利建设取得了巨大的发展，大坝作为水利建设最重要的部分，在我国发挥着巨大的工程效益。然而大坝长期处于复杂的环境中，不可避免地会产生裂缝，大坝裂缝是大坝安全的极大隐患，对大坝裂缝的检测及其重要。但水下环境复杂，采集到的裂缝图像存在模型不清、亮度偏暗、对比度低等缺点，使得裂缝检测极为困难。

针对这些问题，许多学者对裂缝的检测展开了研究。范新南（范新南，巫鹏，顾丽萍，等.基于匀光处理的自适应裂缝分割与提取算法[J].科学技术与工程，2014(7):72-77.）等人针对光照不均匀与水体模糊效应导致水下图像中建筑物裂缝提取难度增加的问题，提出一种基于匀光处理的自适应阈值分割算法；Chen（CHEN C P,WANG J,ZOU L,etal.Underwater dam image crack segmentation based on mathematical morpholog[J].Applied Mechanics Materials,2012,2(3):1315-1319.）等提出了基于有边缘信息熵确定加权系数从而确定边缘的算法；伯邵波（伯绍波，闫茂德，孙国军，等.沥青路面裂缝检测图像处理算法研究[J].微计算机信息，2007,23(15);280-282.）等提出了通过构造8个方向模板的Sobel算子并结合迭代阈值分割算法和全方位膨胀形态学方法，对边缘检测后的图像进行处理。Hu（HU Y,ZHAO C X.A local binary pattern based methods forpavement crack detection[J].Journal of pattern Recognition research,2010,1(3):140-147.）等提出了通过局部二元模式蒜子的基于纹理分析的裂缝检测算法那。Zou（ZOU Q,CAO Y,LI Q,et al.Cracktree;automatic crack detection from pavementimages[J].Pattern Recognition Letters,2012,33(3):227-238.）等提出了基于目标最小生成树算法的裂缝检测方法，其中用最小生成树来表达裂缝区域像素点的空间线性聚集特性。

传统的检测算法虽然简单，但去噪效果不明显、边缘检测准确度不高、不具有自适应性，并不完全适用于水下大坝裂缝的检测。因此采用深度学习代替传统算法的方式逐渐兴起。