[发明专利]一种裂缝检测方法及系统

权利要求书

1.一种裂缝检测方法，其特征在于，所述方法包括：

移动机器人获取目标区域的待识别裂缝视频，并发送至远程终端；

远程终端接收所述待识别裂缝视频，利用训练好的深度卷积神经网络模型对待识别裂缝视频进行裂缝识别和分割得到裂缝图像；

远程终端对所述裂缝图像进行分析得到裂缝的多项指标参数。

2.根据权利要求1所述的裂缝检测方法，其特征在于，所述训练好的深度卷积神经网络模型由多个训练好的卷积神经网络集成而成，每个训练好的卷积神经网络对待识别裂缝视频进行裂缝识别和分割得到初始分割图像，将每个训练好的卷积神经网络输出的初始分割图像进行融合得到裂缝图像；

训练好的深度卷积神经网络模型由以下方式得到：

获取裂缝图像数据集；

将裂缝图像数据集进行裂缝标注，并将标注后的裂缝图像数据集分为训练集和测试集；

使用训练集构建深度卷积神经网络模型；

使用测试集测试深度卷积神经网络模型，测试通过后，得到训练好的深度卷积神经网络模型。

3.根据权利要求1所述的裂缝检测方法，其特征在于，所述多项指标参数包括裂缝的长度、裂缝的最大宽度、裂缝面积和裂缝的平均宽度中的至少一项。

4.根据权利要求3所述的裂缝检测方法，其特征在于，裂缝的长度计算如下：

使用快速并行细化算法，通过在单像素水平上对裂缝图像上的裂缝进行骨架化，得到骨骼线图像；

获取骨骼线图像中各个坐标点的像素值：

其中(x，y)表示骨骼线图像的坐标，I(x，y)表示在(x，y)处的像素值；

统计I(x，y)＝1的数量为n，n表示骨骼线上的像素点总数；

计算裂缝的长度L_C：

其中是骨骼线上的相邻像素点之间的距离；(x_i，y_i)表示骨骼线的第i个点的坐标，(x_i+1，y_i+1)表示骨骼线的第i+1个点的坐标。

5.根据权利要求3所述的裂缝检测方法，其特征在于，计算裂缝的最大宽度d_Max：

设t表示骨骼线上的第t点，t＝1，2......n，根据线性插值法求骨骼线的第t点的切线，根据切线求骨骼线的第t点的法线；

获取骨骼线的第t点的坐标，判断裂缝图像对应第t点的坐标处沿所述第t点的正负法向量上的像素点是否属于裂缝像素点，得到裂缝边缘的A点和B点，计算A点和B点的距离作为第t点的裂缝宽度；

比较n个点的裂缝宽度，取最大值作为裂缝的最大宽度。

6.根据权利要求4所述的裂缝检测方法，其特征在于，裂缝的面积计算如下：从裂缝图像的原点开始，逐个像素点判断是否属于裂缝像素点，并统计属于裂缝的像素点个数即得到裂缝的面积。

7.根据权利要求6所述的裂缝检测方法，其特征在于，裂缝的平均宽度计算如下：

其中，为裂缝的平均宽度，Area为所述裂缝的面积，L_C为裂缝的长度。

8.根据权利要求1所述的裂缝检测方法，其特征在于，所述移动机器人获取目标区域的待识别裂缝视频之前还包括：

移动机器人获取环境视频和路面视频，并将所述环境视频和路面视频发送给远程终端；

远程远端设备对环境视频进行处理得到处理后的环境视频，将所述处理后的环境视频发送给VR设备；

远程遥控器发送控制指令给移动机器人，以控制移动机器人移动至目标区域并获取目标区域的待识别视频，其中控制指令由用户根据路面视频和VR设备获取的处理后的环境视频对远程遥控器进行操作生成。