[发明专利]一种结构裂纹扩展路径的预测方法、装置、设备及介质

权利要求书

1.一种结构裂纹扩展路径的预测方法，其特征在于，包括：

构建结构裂纹扩展路径预测模型；

获取待测结构的裂纹图像；

将获得的所述裂纹图像输入至所述结构裂纹扩展路径预测模型进行预测，得到待测结构的裂纹扩展路径信息。

2.根据权利要求1所述的结构裂纹扩展路径的预测方法，其特征在于，构建结构裂纹扩展路径预测模型，具体包括：

利用训练样本集训练神经网络模型，得到结构裂纹扩展路径预测模型；所述训练样本集至少包括一种材料通过现场实测、模型试验或有限元计算得到的多张处于不同裂纹扩展状态的样本图像，各所述样本图像预先标注相应的结构响应信息。

3.根据权利要求2所述的结构裂纹扩展路径的预测方法，其特征在于，在将获得的所述裂纹图像输入至所述结构裂纹扩展路径预测模型进行预测之前，还包括：

对所述结构裂纹扩展路径预测模型进行验证。

4.根据权利要求3所述的结构裂纹扩展路径的预测方法，其特征在于，对所述结构裂纹扩展路径预测模型进行验证，具体包括：

获取模型验证数据集；所述模型验证数据集包括多张验证样本图像，各所述验证样本图像为已知实际裂纹扩展信息，且与待测结构材料相同的构件图像；

将各所述验证样本图像输入至所述结构裂纹扩展路径预测模型中，得到各所述验证样本图像的裂纹扩展路径预测信息；

根据得到的各所述验证样本图像的预测信息、已知实际裂纹扩展信息及所述验证样本图像的总数量，计算所述结构裂纹扩展路径预测模型的准确率；

判断所述结构裂纹扩展路径预测模型的准确率是否小于预设阈值；

若是，则增加所述训练样本集中的样本图像，并重新训练所述结构裂纹扩展路径预测模型直至准确率大于或等于所述预设阈值；若否，则将所述结构裂纹扩展路径预测模型用于后续预测所述待测结构的裂纹扩展路径信息。

5.根据权利要求4所述的结构裂纹扩展路径的预测方法，其特征在于，根据得到的各所述验证样本图像的预测信息、已知实际裂纹扩展信息及所述验证样本图像的总数量，计算所述结构裂纹扩展路径预测模型的准确率，具体包括：

统计各所述验证样本图像的预测信息和已知实际裂纹扩展信息的差值小于或等于预设偏离值的所述验证样本图像的合格个数；

计算所述验证样本图像的合格个数与总数量的比率，以作为所述结构裂纹扩展路径预测模型的准确率。

6.根据权利要求2所述的结构裂纹扩展路径的预测方法，其特征在于，利用训练样本集训练神经网络模型，得到结构裂纹扩展路径预测模型，具体包括：

基于迁移学习方法，利用训练样本集训练Faster-RCNN模型，得到结构裂纹扩展路径预测模型。

7.一种结构裂纹扩展路径的预测装置，其特征在于，包括：

模型预构建模块，用于构建结构裂纹扩展路径预测模型；

图像获取模块，用于获取待测结构的裂纹图像；

裂纹扩展路径预测模块，用于将获得的所述裂纹图像输入至所述结构裂纹扩展路径预测模型进行预测，得到待测结构的裂纹扩展路径信息。

8.根据权利要求7所述的结构裂纹扩展路径的预测装置，其特征在于，还包括：模型验证模块，用于对所述结构裂纹扩展路径预测模型进行验证；所述模型验证模块包括：

模型验证数据集获取单元，用于获取模型验证数据集；所述模型验证数据集包括多张验证样本图像，各所述验证样本图像为已知实际裂纹扩展信息，且与待测结构材料相同的构件图像；

裂纹扩展路径预测单元，用于将各所述验证样本图像输入至所述结构裂纹扩展路径预测模型中，得到各所述验证样本图像的裂纹扩展路径预测信息；

模型准确率计算单元，用于根据得到的各所述验证样本图像的预测信息、已知实际裂纹扩展信息及所述验证样本图像的总数量，计算所述结构裂纹扩展路径预测模型的准确率；

模型重新训练子模块，用于在所述结构裂纹扩展路径预测模型的准确率小于预设阈值时，增加所述训练样本集中的样本图像，并重新训练所述结构裂纹扩展路径预测模型直至准确率大于或等于所述预设阈值。