[发明专利]一种融合循环残差卷积与上下文提取器网络的自动桥梁裂缝检测系统

权利要求书

1.一种融合循环残差卷积与上下文提取器网络的自动桥梁裂缝检测系统，其特征在于，所述方法具体包括以下步骤：

S1、使用图像采集设备采集桥梁裂缝图像，并创建用于深度学习模型训练的桥梁裂缝数据集；

S2、用循环残差卷积块(RRCNN)替换标准卷积，得到新型的特征编码器-解码器网络模型；

S3、使用包含空洞(Atrous)卷积、密集空洞卷积块(DAC)以及残差多核池化块(RMP)的上下文提取器网络；

S4、结合新型特征编码器-解码器网络以及上下文提取器网络构建桥梁裂缝自动检测模型；

S5、通过桥梁裂缝数据集对桥梁裂缝自动检测模型进行训练，得到理想的精确度；

S6、根据训练所得的参数，输入待检测图像，输出结果。

2.根据权利要求1所述的融合循环残差卷积与上下文提取器网络的自动桥梁裂缝检测系统，其特征在于，所述步骤S1具体包括：

S11、利用DUI桥梁检查车靠近桥梁待检测区域，通过手持便携式裂缝宽度测量仪(型号：TD-FCV-21)和Sony摄像机(推荐型号：A7M3)采集到不同类型的桥梁裂缝图像，并将图像依据裂缝类型进行分类；

S12、使用LabelMe软件对裂缝图像进行标记，利用滑动窗口技术扩增图像数量，搭建桥梁裂缝数据集。

S13、根据深度学习模型训练所需的比例，按照6：2：2的比例随机分割桥梁裂缝数据集，分别得到训练集、验证集以及测试集。

3.根据权利要求1所述的融合循环残差卷积与上下文提取器网络的自动桥梁裂缝检测系统，其特征在于，所述步骤S2具体包括：

S21、循环残差卷积块是用循环卷积网络加入了一个残差网络的改进模块，主要成分是递归卷积层，通过将特征编码器的标准卷积替换成循环残差卷积块，并且不会额外增加参数，得到新型的特征编码器；

S22、特征编码器与特征解码器之间通过跳跃连接直接相连。

4.根据权利要求1所述的融合循环残差卷积与上下文提取器网络的自动桥梁裂缝检测系统，其特征在于，所述步骤S3具体包括：

S31、空洞卷积是在参数相同的条件下，增大了卷积核使感受野变大，从而不需要下采样操作；

S32、DAC块中包含了四条级联分支，由不同扩张率的空洞卷积组成，形成了四种不同的感受野，并且在最后三条分支中加入了一个1×1的卷积神经网络来校正线性激活；

S33、RMP块中包含了四种不同大小的池化层，用来充当接受域，编码全局的上下文信息。并且在每个池级后面增加一个1×1的卷积层，将特征映射的维数降低到1/N，其中N表示原始特征映射中的通道数。

5.根据权利要求1所述的融合循环残差卷积与上下文提取器网络的自动桥梁裂缝检测系统，其特征在于，所述步骤S4具体包括：

S41、将采集到的桥梁裂缝图像输入到特征编码模块中，特征编码器每层的输出包含了标准卷积以及上一循环卷积层的输入；

S42、包含DAC块和RMP块的上下文提取器的输入是特征编码器的输出，通过DAC块的四种级联分支，接着输入到RMP块，通过池化操作和上采样降低特征图的维度，保证上下文提取器的输出与原特征图的尺寸特征相同；

S43、从上下文提取器得到的输出，输入到特征解码器，特征解码器运用转置卷积恢复高分辨率的特征信息。