[发明专利]一种基于深度学习与声呐成像的水下桥墩病害识别方法在审
| 申请号： | 201911195800.2 | 申请日： | 2019-11-28 |
| 公开（公告）号： | CN111127399A | 公开（公告）日： | 2020-05-08 |
| 发明（设计）人： | 吴刚;侯士通;董斌 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T5/00;G06T5/20 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 211189 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 声呐 成像 水下 桥墩 病害 识别 方法 | ||
1.一种基于深度学习与声呐成像的水下桥墩病害识别方法，其特征在于，包括以下步骤：
(1)利用侧声声呐设备获取水下桥墩病害图片和正常状态的图片，形成数据集；
(2)利用数据增强的方法对数据集进行扩充，并对每张图片进行标注；
(3)将数据集划分为训练测试集、验证集和测试集；
(4)建立深度学习yolov3模型，对步骤(1)中的水下桥墩声呐成像数据集进行训练，并保存训练好的yolov3模型与参数；
(5)在现场是用声呐设备对水下桥墩进行扫描，利用图像均值滤波和高斯滤波方法，去除图像的椒盐噪声；
(6)利用步骤(4)得到的具有自动识别水下桥墩声呐成像图片病害的卷积神经网络模型，去自动识别步骤(5)得到的图片中是否为病害图片，并框选出病害的位置。
2.根据权利要求1所述的一种基于深度学习与声呐成像的水下桥墩病害识别方法，其特征在于，步骤(1)中所述的病害图片主要包括缺损图片、裂缝图片和露筋图片。
3.根据权利要求1所述的一种基于深度学习与声呐成像的水下桥墩病害识别方法，其特征在于，步骤(1)中所述图片大小为1200x1200pixel。
4.根据权利要求1所述的一种基于深度学习与声呐成像的水下桥墩病害识别方法，其特征在于，步骤(2)所述的标注采用矩形框标注。
5.根据权利要求1所述的一种基于深度学习与声呐成像的水下桥墩病害识别方法，其特征在于，步骤(3)所述训练测试集、验证集和测试集的比例为8:1:1。
6.根据权利要求1所述的一种基于深度学习与声呐成像的水下桥墩病害识别方法，其特征在于，步骤(4)所述的yolov3模型采用VGG网络模型，网络结构分别采用yolov3380和yolov3512模型，网络输入为380或者512像素大小。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201911195800.2/1.html，转载请声明来源钻瓜专利网。
- 上一篇：电磁蜂鸣器
- 下一篇：基站负荷预警方法、装置
