[发明专利]基于双深度学习模型的隧道掉块或渗水检测及测量方法

权利要求书

1.基于双深度学习模型的隧道掉块或渗水检测及测量方法，其特征在于：包括下列步骤：

S1、采集隧道图像；

S2、创建基于深度学习用于目标检测的训练集；

S3、创建基于深度学习用于语义分割的训练集；

S4、训练目标检测模型；

S5、训练语义分割模型；

S6、使用训练好的目标检测模型对输入的待检测图像进行检测判断是否有掉块或渗水；

S7、将有掉块或渗水的图像输入到训练好的语义分割模型中进行图像分割；

S8、根据目标检测与语义分割模型预测图像类别、掉块或渗水位于图像中的坐标、掉块或渗水面积信息；

根据S7语义分割出的图像通过Opencv库获取连通域，即掉块或渗水，并利用Opencv库中icvprLabelColor函数扫描图像，统计连通域中像素点个数，记作N，所述N为图像像素级面积；

计算近似实际掉块或渗水的面积，计算公式如下：

S＝α²*N

所述α表示图像中单像素值与实际相机到隧道壁距离的比值系数，所述α的取值为0.2mm/pixel；

S9、将模型预测的结果进行输出和保存，若预测结果中有掉块或渗水，则保存掉块或渗水图像名称、掉块或渗水位于图像中的坐标、掉块或渗水的面积；若预测结果中无掉块或渗水，则不保存。

2.根据权利要求1所述的基于双深度学习模型的隧道掉块或渗水检测及测量方法，其特征在于：所述S1中采用采集装置进行采集隧道图像，所述采集装置包括相机采集单元、系统控制单元、数据存储单元，所述系统控制单元包括嵌入式工控机、独立电池、TCP通信，所述数据存储单元包括2个4T的固态硬盘，所述相机采集单元通过TCP通信与系统控制单元中的嵌入式工控机进行连接，所述独立电池通过与嵌入式工控机连接，提供整个系统的供电，所述数据存储单元中的固态硬盘与嵌入式工控机连接，由嵌入式工控机控制数据的存储。

3.根据权利要求1所述的基于双深度学习模型的隧道掉块或渗水检测及测量方法，其特征在于：所述S2中创建基于深度学习用于目标检测的训练集的方法为：包括下列步骤：

S2.1、隧道图像处理：将采集到的图像通过滑动窗口的方式进行裁剪，裁剪出的图像大小均为416x416像素，并从所有采集并裁剪的图像中选出3万张掉块或渗水图像和3万张非掉块或渗水图像；

S2.2、通过lableme图像标注工具，将选出的掉块或渗水图像画框及填写类别，完成用于目标检测的标注工作，创建目标检测训练集结束。

4.根据权利要求1所述的基于双深度学习模型的隧道掉块或渗水检测及测量方法，其特征在于：所述S3中创建基于深度学习用于语义分割的训练集的方法为：包括下列步骤：

S3.1、隧道图像处理：将采集到的图像通过滑动窗口的方式进行裁剪，裁剪出的图像大小均为416x416像素，并从所有采集并裁剪的图像中选出3万张掉块或渗水图像和3万张非掉块或渗水图像；

S3.2、使用Photoshop软件分别打开选出的掉块或渗水图像，利用软件的快速选择工具选出掉块或渗水区域，并将此区域记为C_d，而非掉块或渗水区域记为C_empty；

S3.3、将选出的C_d区域颜色填充为白色，而C_empty区域颜色填充为黑色；

S3.4、图像颜色填充完之后选择另存为，命名及格式与颜色填充前的图像保持一致；

S3.5、所有掉块或渗水图像填充完后，创建用于语义分割的训练集结束。