[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

说明书

本发明涉及图像识别技术领域，具体涉及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。所述方法包括：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；创建由循环残差卷积块(RRCNN)替换编码器中标准卷积新型的特征编码器‑解码器网络；使用包含空洞卷积、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；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；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；根据训练所得的参数，输入待检测图像，输出结果。本发明具有人工成本低，检测精度高，可操作性强等优点。

技术领域

本发明涉及图像识别技术领域，具体涉及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。

背景技术

随着我国综合国力的增强，交通运输业发展迅速。同时，桥梁建设也取得了空前的发展，它不仅跻身世界前列，还取得了知名世界的成就，例如2018年建成的港珠澳大桥。因此，桥梁的安全与维护问题进入了越来越多人的视线，影响桥梁安全的威胁有很多，例如钢筋渗漏、桥面材质脱落以及桥体出现裂缝等，而桥梁裂缝作为主要威胁之一，是桥梁坍塌的重要隐患。为保证桥梁的安全，定期对桥梁进行检测和维护是非常有必要的。

然而，桥梁的检查环境复杂又危险，传统的桥梁裂缝检测即目视检查，不仅会浪费人力和时间，而且也有可能威胁到检查人员的人身安全。除此之外，目视检查无法精确的定位桥梁损失部位，严重的拖延了桥梁维护的最佳时间。为了及时发现并修复桥梁裂缝，以减少检查人员的风险指标和工作量，迫切需要一种自动检测桥梁裂缝的方法。

发明内容

基于上述问题，本发明提供了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。该方法可以解决桥梁裂缝目视检查的人工成本高，传统检测方法精度不够等问题。为了解决上述问题，本发明提供了以下技术：

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。

进一步的，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。

进一步的，所述步骤S2具体包括：

S21、循环残差卷积块(RRCNN)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。