[发明专利]近水桥梁多类型病害智能检测方法与无人船设备

说明书

本发明公开了一种近水桥梁多类型病害智能检测方法与无人船设备。其方法包括基础设施病害目标检测网络CenWholeNet和基于仿生思想的并行注意力模块PAM，其中的CenWholeNet是一种基于深度学习的Anchor‑free目标检测网络，主要包括骨干网络和检测器两部分，用于自动化、高精度检测采集图像中的病害。其中的PAM将注意力机制引入神经网络当中，包括空间注意力和通道注意力两部分，用于增强神经网络的表达能力。其无人船设备包括船体模块、视频采集模块、激光雷达导航模块和地面站模块，支持无需GPS信息的激光雷达导航、视频信息的远距离实时传输和高鲁棒性实时控制，用于自动化采集桥梁底部信息。本发明可以广泛应用于中小桥梁底部等GPS信号微弱且环境复杂的区域的病害检测中。

技术领域

本发明属于土木工程中的结构健康检测领域，具体涉及一种近水桥梁多类型病害智能检测方法与无人船设备。

背景技术

工程结构在服役过程中，由于荷载和环境等影响，会产生诸多病害。这些病害一旦生成，就会极易累积和扩展，从而影响结构使用寿命和整体安全性，甚至影响人民的生命财产安全。近年来，因为缺乏有效检测保养而发生的结构破坏如桥梁垮塌的案例屡见不鲜。因此，对结构进行定期的检测和保养维护至关重要。

传统的基础设施病害检测方法主要是以人工为主，这些方法需要借助繁杂的工具，并且存在效率低下、人力成本高昂、检测盲区大等问题。所以，最近很多学者将智能检测方法和智能检测设备引入了基础设施病害检测领域。智能检测方法以深度学习技术为代表，它已经给很多行业带来了革命性的解决方案，比如医药健康、航空航天和材料科学等，例如公开号为CN111862112A的专利文献，公开了一种基于深度学习的医学图像分割方法，公开号为CN111651916A的专利文献，公开了一种基于深度学习的材料性能预测方法。同样的，使用深度学习技术进行结构病害的智能感知正吸引着越来越多的人的关注。研究人员将深度学习方法应用在不同病害、不同基础设施的检测中。比如混凝土结构裂缝检测、钢筋混凝土结构多病害检测、钢结构锈蚀检测、螺栓松动检测、古建筑病害检测、盾构隧道缺陷检测等等。但是光有智能算法是不够的，要想实现真正的自动检测，还需要智能的检测设备。为了满足不同的检测项目的需要，多种检测机器人被提出和应用。比如桥梁检测无人机，移动式隧道检测车，桥面检测机器人，爬索机器人等等。比如公开号为CN112171692A的专利文献，公开了一种适用于桥梁挠度智能检测的飞行吸附机器人；公开号为CN111413353A的专利文献，公开了一种智能的移动式隧道衬砌病害综合检测设备；公开号为CN111021244A的专利文献，公开了一种正交异性钢桥面板疲劳开裂检测机器人；公开号为CN109978847A的专利文献，公开了一种基于拉索机器人的索套病害识别方法。