[发明专利]一种复杂背景下桥梁路面裂缝图像裂缝检测方法

说明书

本发明涉及图像数据处理技术领域，具体涉及一种复杂背景下桥梁路面裂缝图像裂缝检测方法，包括构建桥梁裂缝图像数据集；对桥梁裂缝图像数据集进行前景提取，得到前景图像数据集；搭建目标检测网络模型；将前景图像数据集划分为训练集和验证集；利用训练集对目标检测网络模型进行训练，得到训练模型；利用验证集对训练模型进行验证，得到算法模型；使用算法模型对待检测桥梁裂缝数据进行检测，得到检测结果，本发明通过对桥梁裂缝图像数据集进行前景提取后所训练出来的算法模型可避免复杂背景对裂缝检测造成的干扰，解决现有的方法在处理复杂背景下的裂缝图像时，会因背景的干扰造成误检的问题。

技术领域

本发明涉及图像数据处理技术领域，尤其涉及一种复杂背景下桥梁路面裂 缝图像裂缝检测方法。

背景技术

桥梁最为普遍的病害就是混凝土的裂缝，每年损坏桥梁中大部分是由裂缝 导致的，因此需要通过桥梁裂缝检测方法对桥梁进行检测。

桥梁表面图像中的裂缝与桥梁表面的对比度较低，纹理细节容易受到光照 影响。现有的桥梁裂缝检测方法，一般是将待检测图像直接压缩到较小尺寸， 以满足神经网络输入要求，再送入提前训练好的神经网络模型中进行检测，得 出预测结果。

采用上述方法在处理复杂背景下的裂缝图像时，会因背景的干扰造成误检， 降低了对桥梁裂缝的检测精确度

发明内容

本发明的目的在于提供一种复杂背景下桥梁路面裂缝图像裂缝检测方法， 旨在解决现有的方法在处理复杂背景下的裂缝图像时，会因背景的干扰造成误 检的问题。

为实现上述目的，本发明提供了一种复杂背景下桥梁路面裂缝图像裂缝检 测方法，包括以下步骤：

构建桥梁裂缝图像数据集；

对所述桥梁裂缝图像数据集进行前景提取，得到前景图像数据集；

搭建目标检测网络模型；

将所述前景图像数据集划分为训练集和验证集；

利用所述训练集对所述目标检测网络模型进行训练，得到训练模型；

利用所述验证集对所述训练模型进行验证，得到算法模型；

使用所述算法模型对待检测桥梁裂缝数据进行检测，得到检测结果。

其中，所述构建桥梁裂缝图像数据集的具体方式为：

获取桥梁裂缝图片数据，并对所述桥梁裂缝图片数据进行预处理，得到预 处理图片；

使用边界框对所述预处理图片进行人工标注，得到数据样本；

对所述数据样本进行数据增广，得到桥梁裂缝图像数据集。

其中，所述数据样本包括正样本和负样本，所述正样本为包含裂缝特征的 图片，所述负样本为不包含裂缝特征的图像。

其中，所述对所述桥梁裂缝图像数据集进行前景提取，得到前景图像数据 集的具体方式为：

构建与所述桥梁裂缝图像数据集对应的图像深度信息；

对所述图像深度信息建模，得到图割算法；

使用所述图割算法对所述桥梁裂缝图像数据集进行分割，得到目标区域；

对所述目标区域进行腐蚀和膨胀操作，得到前景图像数据集。其中，所述 将所述前景图像数据集划分为训练集和验证集的具体方式为：

按照所述目标检测网络模型的输入尺寸对所述前景图像数据集进行尺寸调 整，得到调整数据集；

将所述调整数据集划分为训练集和验证集。