[发明专利]一种混凝土细小裂缝识别方法

说明书

本发明公开了一种混凝土细小裂缝的识别方法，并提出了一种融合了多级特征提取处理、注意力模块处理和融合模块处理的新的神经网络模型。所述方法包括以下步骤：获取目标混凝土图片搭建数据集；设计一种融合了多级特征提取处理、注意力模块处理和融合模块处理的神经网络模型；在计算平台上编程训练该神经网络结构；将需要检测的混凝土图片通过训练好的神经网络获取目标混凝土图片中的细小缝隙成像。本发明旨在提高混凝土细小裂缝的检测精度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种混凝土细小裂缝识别方法。

背景技术

随着我国交通基础设施使用年限的增长，桥梁与道路的混凝土出现了不同形式病害，其中混凝土裂缝已经成为最主要的病害之一，严重影响桥梁与道路的使用寿命，增加了养护的难度和成本。

目前，针对混凝土裂缝检测方法主要有：人工观察，数字图像处理，雷达检测等。然而，随着自动化和智能化水平的提升，数字图像处理方法，尤其是通过机器视觉识别混凝土裂缝成为技术发展的趋势。现有的专利公开号为CN107169953B发明专利公开了一种基于HOG特征的桥梁混凝土表面裂缝检测方法，通过训练好的SVM分类器对图像提取对应的HOG特征进行分类，进而提高了桥梁表面裂缝检测的精度；以及现有公开号为CN106910186B发明专利公开了一种基于CNN深度学习的桥梁裂缝检测定位方法，实现了基于彩色的图像进行桥梁裂缝的检测和定位。虽然上述检测方法可以获取裂缝相关信息，但无法处理具有不均匀尺度分布的混凝土细小裂缝图像，主要是由于图像中混凝土裂缝的像素占整张图片的像素的百分比非常小，造成了正负样品失衡，以及混凝土裂缝的不均匀尺度分布会使得在使用神经网络提取混凝土裂缝特征时，导致混凝土细小裂缝特征的信息丢失，从而导致对混凝土细小裂缝的检测精度出现差错。进而亟需提出一种新的针对混凝土细小裂缝的识别方法。

发明内容

本发明的主要目的在于提供一种混凝土细小裂缝的识别方法，旨在解决现有的混凝土细小裂缝检测精度差的技术问题。

为实现上述目的，本发明提供一种混凝土细小裂缝的识别方法，所述方法包括以下步骤：

获取目标混凝土图片；

将目标混凝土图片通过训练好的新的神经网络模型获取目标混凝土图片中的细小缝隙成像，其中新的神经网络模型包括对目标混凝土图片进行多级特征提取处理、注意力模块处理和融合模块处理。

可选地，所述将目标混凝土图片通过训练好的新的神经网络模型获取目标混凝土图片中的细小缝隙成像的步骤，包括：

将目标混凝土图片进行多级特征提取处理，直至得到最后级别的第一输出特征信息，其中将上一级别的特征提取处理后的第一输出特征信息作为下一级别特征提取处理的输入信息；

将各级别的第一输出特征信息分别进行注意力模块处理，得到对应的各级别的第二输出特征信息，并将最后级别的第二输出特征信息进行1×1卷积操作得到优化后的最后级别的第二输出特征信息；

将优化后的最后级别的第二输出特征信息与最后级别上一级的第二输出特征信息进行融合模块处理得到最后级别上一级的第三输出特征信息；

将余下各级别的第二输出特征信息与其下一级别的第三输出特征信息进行融合模块处理得到对应级别的第三输出特征信息，直至得到第一级别的第三输出特征信息；

将第一级别的第三输出特征信息分别进行3×3卷积操作、×2操作以及1×1卷积操作得到目标混凝土图片中的细小缝隙成像。

可选地，所述将目标混凝土图片进行多级特征提取处理，直至得到最后级别的第一输出特征信息，其中将上一级别的特征提取处理后的第一输出特征信息作为下一级别特征提取处理的输入信息的步骤，包括：

将目标混凝土图片或各输入信息依次进行两次3×3卷积操作、最大池化操作和LeakRelu激活函数操作得到对应的各级别的第一输出特征信息。