[发明专利]一种建筑裂缝检测方法、装置、设备及存储介质在审

专利信息
申请号: 202110214546.7 申请日: 2021-02-25
公开(公告)号: CN112837308A 公开(公告)日: 2021-05-25
发明(设计)人: 卢佳祁;谭潇;梁伟桥;蒋毅 申请(专利权)人: 中冶建筑研究总院(深圳)有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06N3/04;G06N3/08
代理公司: 北京品源专利代理有限公司 11332 代理人: 潘登
地址: 518000 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 建筑 裂缝 检测 方法 装置 设备 存储 介质
【权利要求书】:

1.一种建筑裂缝检测方法,其特征在于,包括:

获取待检测的建筑表面的待检测图像;

采用全卷积神经网络分类模型识别所述待检测图像中的单元裂缝区域作为感兴趣区域图像;

采用基于深度学习的图像分割模型对所述感兴趣区域图像中的裂缝进行提取,得到裂缝特征区域分割图像;

根据所述裂缝特征区域分割图像二值化后得到单元裂缝检测图;

根据所述单元裂缝检测图确认所述待检测图像的裂缝检测结果图。

2.根据权利要求1所述的建筑裂缝检测方法,其特征在于,所述采用全卷积神经网络分类模型识别所述待检测图像中的单元裂缝区域作为感兴趣区域图像,包括:

预设检测框以预设步长对所述待检测图像进行扫描式判别,得到所述待测图像中所有检测框含有裂缝的概率值所组成的概率特征图;

选取所述概率特征图中大于第一概率值的检测框对应的图像作为感兴趣区域图像。

3.根据权利要求2所述的建筑裂缝检测方法,其特征在于,所述预设检测框为预设尺寸的正方形区域,所述预设步长为预设检测框边长的1/4。

4.根据权利要求1所述的建筑裂缝检测方法,其特征在于,所述全卷积神经网络分类模型的训练样本图像中正负样本图像比例为1:3;其中,正样本图像为含有裂缝面积占比大于等于第一阈值的区域图像,负样本图像为含有裂缝面积占比小于等于第二阈值的区域图像,含有裂缝面积占比小于第一阈值且大于第二阈值的区域图像为忽略样本。

5.根据权利要求1所述的建筑裂缝检测方法,其特征在于,采用裂缝面积占比大于等于第一阈值的区域图像作为图像分割模型的训练样本。

6.根据权利要求1所述的建筑裂缝检测方法,其特征在于,根据所述单元裂缝检测图确认所述待检测图像的裂缝检测结果图,包括:

将至少一个所述单元裂缝检测图按照对应的位置信息粘贴在与所述待检测图像尺寸相同的纯黑的图像上,得到所述待检测图像的裂缝检测结果图;所述位置信息为所述单元裂缝检测图按照在对应的所述感兴趣区域图像中的位置。

7.一种建筑裂缝检测装置,其特征在于,包括:

图像获取模块,用于获取待检测的建筑表面的待检测图像;

第一图像区域提取模块,用于采用全卷积神经网络分类模型识别所述待检测图像中的单元裂缝区域作为感兴趣区域图像;

第二图像区域提取模块,用于采用深度学习图像分割模型对所述感兴趣区域图像中的裂缝进行提取,得到裂缝特征区域分割图像;

裂缝检测模块,用于根据所述裂缝特征区域分割图像二值化后得到单元裂缝检测图;

裂缝结果确认模块,用于根据所述单元裂缝检测图确认所述待检测图像的裂缝检测结果图。

8.一种建筑裂缝检测设备,其特征在于,所述设备包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序,

当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的建筑裂缝检测方法。

9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的建筑裂缝检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中冶建筑研究总院(深圳)有限公司,未经中冶建筑研究总院(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110214546.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top