[发明专利]基于局部特征的加性扭转的叠放材料的智能形变检测方法

说明书

本申请涉及智慧建筑领域下的智能材料形变监控，其具体地公开了一种基于局部特征的加性扭转的叠放材料的智能形变检测方法，其中，在检测过程中，利用了加性图像扭转(additive image warping)的思想，将图像的局部区域内的局部特征通过扭转叠加，从而获得具有加性图像扭转特征的特征图以挖掘相互叠放的多层保温板图像在其图像各个局部内的形变的传递关系，以提高分类的准确性。

技术领域

本发明涉及智慧建筑领域下的智能材料形变监控，且更为具体地，涉及一种基于局部特征的加性扭转的叠放材料的智能形变检测方法、基于局部特征的加性扭转的叠放材料的智能形变检测系统和电子设备。

背景技术

装配式建筑是指把传统建造方式中的大量现场作业工作转移到工厂进行，在工厂加工制作好建筑用构件和配件(如楼板、墙板、楼梯、阳台等)，运输到建筑施工现场，通过可靠的连接方式在现场装配安装而成的建筑。

装配式建筑会大量使用保温板，并且这些保温板在转运过程中，通常都是多层叠放在一起的，而且多层叠放会对下层的保温板造成挤压的问题，增加了保温板损坏的风险。但是，如果叠放的保温板的层数过少，则每次转运的保温板数目有限，又会提高保温板的转运成本，导致工作强度和工作效率低。

因此，期望提供一种针对于叠放的保温板的挤压形变的检测方案。

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。

深度学习以及神经网络的发展为叠放的保温板的挤压形变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一种基于局部特征的加性扭转的叠放材料的智能形变检测方法、基于局部特征的加性扭转的叠放材料的智能形变检测系统和电子设备，其利用了加性图像扭转(additive image warping)的思想，将图像的局部区域内的局部特征通过扭转叠加，从而获得具有加性图像扭转特征的特征图以挖掘相互叠放的多层保温板图像在其图像各个局部内的形变的传递关系，以提高分类的准确性。

根据本申请的一个方面，提供了一种基于局部特征的加性扭转的叠放材料的智能形变检测方法，其包括：

获取待检测图像，所述待检测图像为相互叠置的多张保温板的截面图像；

将所述待检测图像通过深度卷积神经网络，以从所述待检测图像中提取出初始特征图；

确定所述初始特征图中对应于所述待检测图像中各张保温板的下边缘的多个感兴趣区域；

对所述多个感兴趣区域，确定每个所述感兴趣区域中的极值点并基于每个所述极值点的四个相邻像素中的最大特征值确定所述极值点对应的极值传递方向，以获得多个极值点及其对应的多个极值传递方向；

对所述多个极值点及其对应的多个极值传递方向，基于每个所述极值点和及其对应的极值传递方向以顺时针方向旋转并扭转长度为n/2的向量以获得n*n的特征矩阵，以获得多个特征矩阵；

计算所述多个特征矩阵的加权和，以获得局部特征加性扭转特征图；

将所述初始特征图与所述局部特征加性扭转特征图分别通过一个或多个全连接层，以获得第一特征向量和第二特征向量；以及

将所述第一特征向量与所述第二特征向量级联后通过分类器，以获得分类结果，所述分类结果用于表示相互叠置的多张保温板的挤压形变是否会造成保温板损坏。