[发明专利]一种建筑裂缝智能识别和检测方法及装置

权利要求书

1.一种建筑裂缝智能识别和检测方法，其特征在于，该方法包括以下步骤：

步骤1：对训练数据集进行人工标注；

步骤2：获取训练数据集中的图像，作为建筑裂缝检测模型的输入；

步骤3：基于YOLO算法对建筑裂缝检测模型进行训练，并得到训练后的建筑裂缝检测模型；

步骤4：采用训练后的建筑裂缝检测模型进行前向推断；

步骤5：获取对建筑裂缝预测的结果。

2.根据权利要求1所述的一种建筑裂缝智能识别和检测方法，其特征在于，所述的步骤1中，采用在线标注工具makesense.ai对训练数据集进行人工标注。

3.根据权利要求1所述的一种建筑裂缝智能识别和检测方法，其特征在于，所述的步骤3中，基于YOLO算法对建筑裂缝检测模型进行训练的过程具体包括以下步骤：

步骤301：将训练数据集中的图像划分为多个网格单元；

步骤302：运行神经网络，获取真实框和边界框的参数，真实框即候选框，边界框即预测框；

步骤303：根据人工标注的真实框确定该真实框所属的网格单元，同时由于每一个网格单元会生成多个边界框，比较该真实框与所落在的网格单元预测出的边界框之间的IoU值；

步骤304：设置损失函数，以选择IoU值大的真实框进行拟合，并舍弃其他的IoU值。

4.根据权利要求3所述的一种建筑裂缝智能识别和检测方法，其特征在于，所述的步骤303中，损失函数的表达式为：

其中，λ_coord表示负责检测物体的预测框坐标误差权重，λ_noobj表示不负责检测物体的预测框坐标误差权重，S表示图像划分成网格单元后的网格单元的数量，B表示每个网格单元所预测的预测框的个数的最大值，表示第i个网格单元的第j个预测框，若负责预测物体则为1，否则为0，x_i表示负责检测物体的预测框中心点的横坐标，表示对该物体人工标注的候选框中心点的横坐标，y_i表示负责检测物体的预测框中心点的纵坐标，表示对该物体人工标注的候选框中心点的纵坐标，w_i表示负责检测物体的预测框的宽度，表示对该物体人工标注的候选框的宽度，h_i表示负责检测物体的预测框的高度，表示对该物体人工标注的候选框的高度，C_i表示正向推断中预测出的IoU值，表示该预测框与人工标注的候选框的真实IoU。

5.根据权利要求1所述的一种建筑裂缝智能识别和检测方法，其特征在于，所述的步骤4中，采用训练后的建筑裂缝检测模型进行前向推断的过程具体包括以下步骤：

步骤401：将测试数据集中的图片输入至训练后的建筑裂缝检测模型中；

步骤402：经过卷积层提取图像特征得到一个7*7*30的张量，该张量包括边界框中心点的坐标、边界框的高度、边界框的宽度、置信度以及类别结果；

步骤403：通过将置信度乘以类别结果得出预测框的类别，并采用NMS过滤掉多余的预测框得到预测的结果。

6.根据权利要求5所述的一种建筑裂缝智能识别和检测方法，其特征在于，所述的步骤402中，张量包括边界框中心点的坐标、边界框的高度、边界框的宽度、置信度以及类别结果。

7.根据权利要求6所述的一种建筑裂缝智能识别和检测方法，其特征在于，所述的步骤403中，通过将置信度乘以类别结果得到预测框的类别。

8.一种实现如权利要求1～7任一项所述建筑裂缝智能识别和检测方法的装置，其特征在于，该装置包括存储器和处理器。

9.根据权利要求8所述的一种建筑裂缝智能识别和检测装置，其特征在于，所述的存储器用以存储计算机程序。

10.根据权利要求8所述的一种建筑裂缝智能识别和检测装置，其特征在于，所述的处理器用以当执行计算机程序时，实现以下方法：

步骤1：对训练数据集进行人工标注；

步骤2：获取训练数据集中的图像，作为建筑裂缝检测模型的输入；

步骤3：基于YOLO算法对建筑裂缝检测模型进行训练，并得到训练后的建筑裂缝检测模型；

步骤4：采用训练后的建筑裂缝检测模型进行前向推断；

步骤5：获取对建筑裂缝预测的结果。