[发明专利]一种基于深度学习的混凝土结构检测方法有效
| 申请号： | 202110371229.6 | 申请日： | 2021-04-07 |
| 公开（公告）号： | CN113096088B | 公开（公告）日： | 2022-09-02 |
| 发明（设计）人： | 舒江鹏;赵唯坚;张佳玮;姬熠冉 | 申请（专利权）人： | 浙江大学;浙江大学建筑设计研究院有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 邱启旺 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 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 基于 深度 学习 混凝土结构 检测 方法 | ||
1.一种基于深度学习的混凝土结构检测方法，其特征在于，具体包括如下步骤：
（1）构建裂缝图像数据集：收集混凝土结构构件裂缝图像，按照混凝土结构的构件类型和损坏情况，对收集的混凝土结构图像进行标注，获得图像标签，随后通过移位、反射、翻转、缩放和颜色抖动对收集的混凝土结构图像进行图像增强预处理，获得裂缝图像数据集；所述裂缝图像数据集分为训练集和测试集；
（2）改进神经网络：将ImageNet上预训练好的ResNet34模型作为基础，先去掉ResNet34模型尾端的全连接层，并将AdaptiveAvgPool2d层、AdaptiveMaxPool2d层并联在预训练好的ResNet34模型尾部，随后依次与BatchNorm1d层、Dropout层、中间全连接层串联，再重复接上一层BatchNorm1d层与Dropout层，最后连接与输出类别个数相等的全连接层，获得改进的神经网络；
（3）训练改进的神经网络：将步骤（1）中训练集输入步骤（2）改进的神经网络中进行训练，对步骤（2）改进的神经网络的参数用优化算法Adam以0.0001的学习率进行训练，在训练过程中冻结住预训练好的ResNet34模型的前两个Block的参数，并将测试集分批输入训练的神经网络中验证；当测试集的输出结果与所述图像标签比较，准确率达80%以上，且准确率收敛，即完成对改进的神经网络的训练；
（4）再次收集混凝土结构构件裂缝图像，将其输入已经训练好的神经网络模型中，输出检测结果。
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浙江大学;浙江大学建筑设计研究院有限公司，未经浙江大学;浙江大学建筑设计研究院有限公司许可，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/202110371229.6/1.html，转载请声明来源钻瓜专利网。
