[发明专利]基于编码与解码网络的桥梁裂缝检测方法、系统及介质

权利要求书

1.一种基于编码与解码网络的桥梁裂缝检测方法，其特征在于，包括以下步骤：

获取桥梁表观裂缝图像；

对所述桥梁表观裂缝图像进行标注，并通过扩增数据集方法进行数据扩增，得到数据集；

构建编码与解码结构的深度学习神经网络；

根据预设数据库对深度学习神经网络进行第一训练，得到第一模型；

根据迁移学习方式和所述数据集对所述第一模型进行第二训练，得到第二模型；

根据所述第二模型，对输入的待检测图片进行裂缝预测。

2.根据权利要求1所述的基于编码与解码网络的桥梁裂缝检测方法，其特征在于，所述通过扩增数据集方法进行数据扩增，包括：

通过缩放、添加噪声或添加阴影中的至少一项扩增数据集方法进行数据扩增。

3.根据权利要求1所述的基于编码与解码网络的桥梁裂缝检测方法，其特征在于，所述深度学习神经网络包括编码路径、解码路径以及横向叠加路径；

所述编码路径包括第一卷积层和池化层，所述第一卷积层用于提取输入图像的第一特征图，所述池化层用于压缩所述第一特征图；

所述解码路径包括第二卷积层和上采样层，所述第二卷积层用于提取输入图像的第二特征图，所述上采样层用于放大所述第二特征图；

所述横向叠加路径用于将所述第一卷积层提取的第一特征图叠加到所述解码路径的输入特征中。

4.根据权利要求3所述的基于编码与解码网络的桥梁裂缝检测方法，其特征在于，所述编码路径设置有5层，第1层所述编码路径至第4层所述编码路径均包括所述第一卷积层和所述池化层，第5层所述编码路径包括所述第一卷积层，其中，所述第一卷积层包括两个3*3的卷积核，所述池化层包括2*2的池化核。

5.根据权利要求4所述的基于编码与解码网络的桥梁裂缝检测方法，其特征在于，所述解码路径设置有5层，第2层所述解码路径至第4层所述解码路径的每一层所述解码路径均包括所述第二卷积层和所述上采样层，其中，第2层所述解码路径的至第4层所述解码路径的每一层所述解码路径中的所述第二卷积层均包括两个3*3的卷积核，第1层所述解码路径包括两个3*3的卷积核以及一个1*1的卷积核，第5层所述解码路径包括第5层所述编码路径和所述上采样层。

6.根据权利要求5所述的基于编码与解码网络的桥梁裂缝检测方法，其特征在于，所述横向叠加路径设置有4层，4层所述横向叠加路径分别设置于第1层至第4层所述编码路径与所述解码路径的对应层级之间。

7.根据权利要求3所述的基于编码与解码网络的桥梁裂缝检测方法，其特征在于，所述上采样层包括双线性插值上采样层。

8.一种基于编码与解码网络的桥梁裂缝检测系统，其特征在于，包括：

获取模块，用于获取桥梁表观裂缝图像；

数据处理模块，用于对所述桥梁表观裂缝图像进行标注，并通过扩增数据集方法进行数据扩增，得到数据集；

网络构建模块，用于构建编码与解码结构的深度学习神经网络；

第一训练模块，用于根据预设数据库对深度学习神经网络进行第一训练，得到第一模型；

第二训练模块，用于根据迁移学习结合所述数据集对所述第一模型进行第二训练，得到第二模型；

预测模块，用于根据所述第二模型，对输入的待检测图片进行裂缝预测。

9.一种基于编码与解码网络的桥梁裂缝检测系统，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得至少一个所述处理器实现如权利要求1至7任一项所述的基于编码与解码网络的桥梁裂缝检测方法。

10.一种计算机存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由所述处理器执行时用于实现如权利要求1至7任一项所述的基于编码与解码网络的桥梁裂缝检测方法。