[发明专利]一种隧道表观病害图像识别的方法

权利要求书

1.一种隧道表观病害图像识别的方法，其特征是，包括有以下步骤：

采用三维激光扫描仪采集获取若干隧道影像；

对隧道影像进行隧道表观病害标记，以形成标记样本；

搭建隧道表观病害的识别模型，通过标记样本对识别模型进行训练、测试；

所述识别模型包括的图像分类模型对输入的隧道影像是否存在表观病害进行识别，根据是否存在表观病害进行分类；

所述识别模型包括的图像分割模型对图像分类模型判断存在表观病害的隧道影像进行分割，并对表观病害存在的类别进行预测识别，输出病害识别结果；

存储病害识别结果。

2.根据权利要求1所述的隧道表观病害图像识别的方法，其特征是，所述隧道影像的表观病害标记具体为：

对隧道影像的表观病害根据像素区域进行标记，分别对存在湿迹、渗水、滴漏、漏泥沙、裂缝、缺角、缺损的区域像素及不存在病害的区域像素进行一一类别标记，获得隧道影像上各像素进行表观病害标记的标记样本；

根据标记对标记样本及其对应的隧道影像进行分类标记，对完成标记的标记样本及其对应的隧道影像为第一样本集，标记存在表观病害的标记样本及其对应的隧道影像为第二样本集。

3.根据权利要求2所述的隧道表观病害图像识别的方法，其特征是，通过标记样本对识别模型的训练、测试具体包括有：

将第一样本集划分为第一训练集及第一测试集，将第二样本集划分为第二训练集及第二测试集；

通过第一训练集对图像分类模型进行训练，使用学习率自适应的随机梯度算法进行参数优化；

采用第一测试集对图像分类模型进行测试，对测试精确率进行判断，若精确率高于设定的阈值，则图像分类模型可用于预测，反之调整超参数并继续训练；所述精确率公式如下：

其中，TP＝True Positive，为将病害预测成病害的数量，FP＝False Positive，为将背景预测成病害的数量；

通过第二训练集对图像分割模型进行训练，使用学习率自适应的随机梯度算法进行参数优化；

采用第二测试集对图像分割模型进行测试，对平均交并比作为测试精度进行判断，若平均交并比满足设定的阈值，则判断图像分割模型可用于预测，反之调整超参数并继续训练；所述平均交并比的公式如下：

其中area(T_c)代表测试集预测结果的像素面积，area(T_g)代表测试集真值的像素面积。

4.根据权利要求3所述的隧道表观病害图像识别的方法，其特征是，所述识别模型的预测识别具体为：

选取在第一样本集及第二样本集之外的隧道影像作为输入，输入至图像分类模型进行分类判别；

若识别到所有的区域像素均为背景像素时，则分类判定为不存在表观病害，输出对应隧道影像不存在表观病害的识别结果；

若识别到存在区域像素存在表观病害时，则输入至图像分割模型进行分割识别，根据区域像素所对应的病害类别，输出存在表观病害的识别结果。