[发明专利]一种智能化桥梁病害巡检方法和系统

权利要求书

1.一种智能化桥梁病害巡检方法，其特征在于，其包括以下步骤：

采集病害图像，确定构件类型的数量；

根据每一种病害是否在各构件类型中出现，对病害图像各病害类型进行标注，得到数据集；具体地，将第k个病害类型B_k标注为一个1×m的向量，并记为：B_k＝[M₁，M₂，M₃，....，M_m]；且定义：若第k个病害类型会在第i种构件类型中出现，则M_i记为1，若第k个病害类型不会在第i种构件类型中出现，则M_i记为0；其中，m为构件类型的数量，i＝1，2，3...m；

构建卷积神经网络；

将所述数据集输入卷积神经网络中进行训练，得到用于识别图像中构件类型的分类模型；

构建用于识别图像中构件病害信息的目标检测模型；

采集待识别图像，将所述待识别图像输入所述分类模型；

所述分类模型识别所述待识别图像中的构件，并得到一个m×1的向量A；

所述分类模型将所述向量A中各项的数值与预设阈值一一对比，获取所述向量A中所有大于预设阈值的数值，并将与该数值对应的构件类型作为结果输出；

根据所述结果确定所述待识别图像中的构件类型；

结合所述待识别图像中的构件类型，将所述待识别图像输入所述目标检测模型进行识别，得到所述待识别图像中的病害信息，完成识别。

2.如权利要求1所述的智能化桥梁病害巡检方法，其特征在于：

若所述结果中的构件类型唯一，则将该唯一的构件类型作为所述待识别图像中的构件类型，结合该构件类型，将所述待识别图像输入所述目标检测模型进行识别，得到所述待识别图像中的病害信息，完成识别的步骤；

若所述结果中的构建类型不唯一，则选取其中一种构件类型作为所述待识别图像中的构件类型，结合该构件类型，将所述待识别图像输入所述目标检测模型进行识别，得到所述待识别图像中的病害信息，完成识别的步骤。

3.如权利要求2所述的智能化桥梁病害巡检方法，其特征在于，

若所述结果中的构建类型不唯一，则通过用户选取其中一种构件类型作为所述待识别图像中的构件类型。

4.如权利要求1所述的智能化桥梁病害巡检方法，其特征在于，构建用于识别图像中构件病害信息的目标检测模型，包括以下步骤：

采集病害图像；

在每个病害图像中对病害信息进行标注，将标注后的病害图像作为病害目标检测数据集；

构建卷积神经网络；

将所述病害目标检测数据集输入到所述卷积神经网络中进行训练，得到用于识别图像中构件病害信息的目标检测模型。

5.如权利要求4所述的智能化桥梁病害巡检方法，其特征在于：

所述病害信息包括病害类型和病害位置。

6.一种智能化桥梁病害巡检系统，其特征在于，其包括：

采集模块，其用于采集待识别图像；

建模模块，其用于构建分类模型、目标检测模型；具体地，采集病害图像，确定构件类型的数量；根据每一种病害是否在各构件类型中出现，对病害图像各病害类型进行标注，得到数据集；具体地，将第k个病害类型B_k标注为一个1×m的向量，并记为：B_k＝[M₁，M₂，M₃，....，M_m]；且定义：若第k个病害类型会在第i种构件类型中出现，则M_i记为1，若第k个病害类型不会在第i种构件类型中出现，则M_i记为0；其中，m为构件类型的数量，i＝1，2，3...m；构建卷积神经网络；将所述数据集输入卷积神经网络中进行训练，得到用于识别图像中构件类型的分类模型；

所述分类模型用于对所述待识别图像进行识别，以得到所述待识别图像中的构件类型；具体地，将所述待识别图像输入所述分类模型；

所述分类模型识别所述待识别图像中的构件，并得到一个m×1的向量A；所述分类模型将所述向量A中各项的数值与预设阈值一一对比，获取所述向量A中所有大于预设阈值的数值，并将与该数值对应的构件类型作为结果输出；根据所述结果确定所述待识别图像中的构件类型；

所述目标检测模型用于结合所述待识别图像中构件类型，对所述待识别图像进行识别，以得到所述待识别图像中的病害信息。