[发明专利]一种裂缝检测方法及系统

说明书

本发明公开了一种裂缝检测方法及系统，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。通过远程操控的手段代替常规的人工道路检测，提高检测效率，减少操作人员的安全隐患，并且控制移动机器人到达道路的任何位置进行道路裂缝检测，使用图像处理技术对裂缝进行分析，提高分析效率。

技术领域

本发明涉及道路裂缝检测领域，尤其涉及一种裂缝检测方法及系统。

背景技术

基础设施的裂缝主要是由材料劣化和车辆、风、地震或环境震动载荷引起的，道路中是否存在裂缝对道路的安全有着至关重要的影响，对裂缝进行检测和测量是结构健康监测的重要内容，对路面裂缝的定量分析可以帮助工程师评估路面的状况和耐久性，确认是否需要进行修补。目前，传统的裂缝检测与测量是费时、费力、低效和危险的。

现有技术可参考授权公告号为CN 208949695的发明专利,其公开了道路裂缝检测仪,包括万向轮、距离控制伸缩箱、防护护垫、支撑扶杆、手控按压体、伸缩出口端、移动辅助架、辅助轮子，辅助轮子与万向轮安装于同一平面上,其特征在于,距离控制伸缩箱包括信号感应接收端、待释放充气端、磁场推动装置、受力推动组、防护外壳、受力触发装置、推动旋转设备、待触发总电箱,待触发总电箱嵌入于防护外壳内部且位于磁场推动装置侧方,受力触发装置一端贯穿于防护外壳顶端内部且活动连接,基于现有技术而言,本实用新型采用其设备能够在道路的一端,通过外界对其进行按压,使其触发内部的设备将其往道路的一端推动,直至到达所需的位置,将其手松开,即可推动设备对道路进行检测。

人工现场操作需要工作人员到现场作业，且对操作人工的技术经验要求高，操作难度大；现场的环境不稳定，存在突发事件，人员的安全得不到保障；且人工操作的效率低下，在危机情况下远不如自动化裂缝检测系统；对于一些路况不明，结构特殊的场景加大了人工作业难度，难以完成工作。另外，人工检测时由于需要检测的道路裂缝工程量大，长时间的视觉检测对检测人员也是一种巨大的挑战，会引起视觉疲劳从而降低检测效率。对于道路裂缝分析，人工分析需要耗费大量的时间和劳动力。

发明内容

本发明提供一种裂缝检测方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

第一方面，本发明实施例提供了一种裂缝检测方法，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。

进一步，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。

进一步，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。

进一步，裂缝的长度计算如下：