[发明专利]基于全卷积神经网络的混凝土缺陷检测方法、装置及存储介质

权利要求书

1.一种基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，包括：

获取混凝土表面图像；

将获取的混凝土表面图像输入到预先训练好的混凝土缺陷语义分割模型中，输出逐像素分类的混凝土缺陷语义分割图，实现混凝土缺陷识别；其中，所述混凝土缺陷语义分割模型为根据已进行标注的混凝土表面图像数据对全卷积神经网络进行训练后得到。

2.根据权利要求1所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述混凝土缺陷语义分割模型为根据已进行标注的混凝土表面图像数据对全卷积神经网络进行训练后得到，具体包括：

获取若干混凝土表面图像，并对其进行缺陷类别的逐像素分类标注；

基于已标注的若干混凝土表面图像划分训练集和验证集；

基于训练集和验证集对全卷积神经网络进行训练和优化，得到混凝土缺陷语义分割模型。

3.根据权利要求2所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述基于已标注的若干混凝土表面图像划分训练集和验证集之前还包括：

对已标注的若干混凝土表面图像进行图像增强处理。

4.根据权利要求3所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述图像增强处理包括:

对已标注的若干混凝土表面图像进行旋转、翻转、光照、对比度中的一种或多种增强处理，将最终生成的图像均作为样本用于构建训练集和验证集。

5.根据权利要求2至4任一项所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述基于已标注的若干混凝土表面图像划分训练集和验证集之前还包括：

对已标注的若干混凝土表面图像进行尺寸缩放预处理；

所述将获取的混凝土表面图像输入到预先训练好的混凝土缺陷语义分割模型中之前还包括：

对获取的混凝土表面图像进行尺寸缩放预处理。

6.根据权利要求2至4任一项所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述基于已标注的若干混凝土表面图像划分训练集和验证集之前还包括：

采用滑动窗口对已标注的若干混凝土表面图像进行处理，生成若干已标注的混凝土表面局部图像，将生成的每个已标注的混凝土表面局部图像作为一个样本构建所述训练集和验证集；

所述将获取的混凝土表面图像输入到预先训练好的混凝土缺陷语义分割模型中之前还包括：

采用滑动窗口对获取的混凝土表面图像进行处理，生成若干混凝土表面局部图像。

7.根据权利要求2至4任一项所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述基于已标注的若干混凝土表面图像划分训练集和验证集之前还包括：

将已标注的若干混凝土表面图像缩放至预设尺寸，采用滑动窗口对缩放至预设尺寸的已标注的若干混凝土表面图像进行处理，生成若干已标注的混凝土表面局部图像，将生成的每个已标注的混凝土表面局部图像作为一个样本构建所述训练集和验证集；

所述将获取的混凝土表面图像输入到预先训练好的混凝土缺陷语义分割模型中之前还包括：

将获取的混凝土表面图像缩放至预设尺寸，采用滑动窗口对缩放至预设尺寸的混凝土表面图像进行处理，生成若干混凝土表面局部图像。

8.根据权利要求1或2所述的基于全卷积神经网络的混凝土缺陷检测方法，其特征在于，所述逐像素分类的类别至少包括裂纹、渗漏、析钙、孔洞、破损、露筋中的一种和无缺陷。

9.一种基于全卷积神经网络的混凝土缺陷检测装置，其特征在于，包括：

图像获取模块，用于获取混凝土表面图像；

缺陷检测模块，用于将获取的混凝土表面图像输入到预先训练好的混凝土缺陷语义分割模型中，输出逐像素分类的混凝土缺陷语义分割图，实现混凝土缺陷识别；其中，所述混凝土缺陷语义分割模型为根据已进行标注的混凝土表面图像数据对全卷积神经网络进行训练后得到。

10.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被处理器加载时执行如权利要求1至8任一项所述的基于全卷积神经网络的混凝土缺陷检测方法。