[发明专利]基于帧间跨尺度相似性聚合的钢材涂层检测方法

说明书

本申请公开了一种基于帧间跨尺度相似性聚合的钢材涂层检测方法，其特征在于，包括：获取待检测钢筋在不同拍摄角度下的多帧待检测钢筋图像；将所述多帧待检测钢筋图像通过卷积神经网络以获得多个卷积特征图；对所述多个卷积特征图进行不同尺度的下采样以获得多个不同尺度的下采样特征图；将所述多个不同尺度的下采样特征图通过具有对应尺度的多个卷积层以获得不同尺度的多个尺度特征图；将所述多个尺度特征图转换成相同尺度后进行聚类计算以获得第一分类特征向量；将所述多个卷积特征图进行聚类计算以获得第二分类特征向量；将所述第一分类特征向量和所述第二分类特征向量级联后通过分类器以获得分类结果，以此来提高对钢材涂层质量检测的准确率。

技术领域

本申请涉及人工智能领域，且更为具体地，涉及一种基于帧间跨尺度相似性聚合的钢材涂层检测方法、系统和电子设备。

背景技术

钢筋广泛用于各种建筑结构、特别是大型、重型和高层建筑结构，钢筋在长时间的使用时表面会产生大量的锈蚀，这种锈蚀会影响钢筋的强度，从而对建筑安全造成影响。因此，为了降低锈蚀的影响，通常在钢筋表面进行喷涂防锈材料的处理。

但是，由于钢筋本身的物理特性，例如钢筋在生产过程中并不需要保持表面平整，且钢筋的粗细可能存在多种规格，由于喷涂工艺的限制，并不能够绝对保证钢筋表面的防锈材料的喷涂效果，从而影响钢筋的防锈性能。

因此，期待一种能够准确且智能地对钢材涂层进行质量检测的方案。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

深度学习和神经网络的发展为钢材涂层的质量检测提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了基于帧间跨尺度相似性聚合的钢材涂层检测方法、系统和电子设备，其基于深度神经网络提取钢材的多帧图像的特征的帧间跨尺度自相似性，来作为钢材的涂层质量是否合格的判定依据，通过这样的方式以提高对钢材涂层的质量检测的准确率。

本申请的实施例提供了一种基于帧间跨尺度相似性聚合的钢材涂层检测方法，包括：

获取待检测钢筋在不同拍摄角度下的多帧待检测钢筋图像；

将所述多帧待检测钢筋图像通过卷积神经网络以获得多个卷积特征图；

对所述多个卷积特征图中每个特征图进行不同尺度的下采样以获得具有不同尺度的多个下采样特征图；

将所述多个下采样特征图中每个下采样特征图通过具有对应尺度的多个卷积层以获得对应不同尺度的多个尺度特征图；

将所述多个尺度特征图转换成相同尺度后进行聚类并计算每个所述尺度特征图到聚类中心的距离以获得第一分类特征向量，所述分类特征向量用于表示所述多帧待检测钢筋图像中各所述待检测钢筋图像的跨尺度特征之间的相似性；

将所述多个卷积特征图进行聚类并计算每个所述卷积特征图到聚类中心的距离以获得第二分类特征向量，所述第二分类特征向量用于表示所述多帧待检测钢筋图像中各所述待检测钢筋图像之间的帧间特征的相似性；以及

将所述第一分类特征向量和所述第二分类特征向量级联后通过分类器以获得分类结果，所述分类结果表示所述钢筋的涂层质量是否合格。

在上述基于帧间跨尺度相似性聚合的钢材涂层检测方法中，在将所述多帧待检测钢筋图像通过卷积神经网络以获得多个卷积特征图中，所述卷积神经网络包括N层卷积层，N为大于等于4且小于等于5的正整数。