[发明专利]一种多尺度裂缝三维形态反演复现方法

说明书

本发明公开了一种多尺度裂缝三维形态反演复现方法，包括如下步骤：1)获取若干混凝土结构的裂缝的二维图像；2)基于deeplabv3+卷积神经网络提取二维图像的裂缝表面的二维特征信息；3)建立基于deeplabv3+卷积神经网络的裂缝表面二维特征信息与其对应的声波散射信号映射关系；4)根据步骤3)建立的裂缝表面二维特征信息与声波散射信息的关系，由步骤2)获得的二维特征信息得到与其对应的声波散射信号映射关系，利用全波形反演模型，得到裂缝的三维形态。本发明能够重构裂缝的三维形态，实现对裂缝的整体参数进行全面评估，从而为混凝土结构安全评估提供更加全面的信息。

技术领域

本发明涉及混凝土建筑安全评估领域，尤其涉及一种多尺度裂缝三维形态反演复现方法。

背景技术

混凝土作为建筑工程中的重要材料，因其优越的力学性能和耐久性在大坝、桥梁以及隧道等基础设施领域得到广泛的应用。在影响混凝土建筑性能的众多病害类型中，裂缝是最主要、也是最常见的一种病害特征。准确的获取裂缝的各项参数信息是对混凝土结构健康状况做出评估以及对后续维护的依据。

早期人工方式是检测裂缝的主要手段，但人工检测裂缝的方式存在众多的缺陷，例如：检测效率低下，桥梁、大坝和隧道建设所在地地形复杂，检测时大多需要脚手架等外部辅助设备，其安装和拆卸过程耗时耗力，并且混凝土建筑一般而言面积大，人工检测效率会很低；检测精度低，人员主动检测裂缝时，眼部易疲劳，会出现裂缝的漏检和错检，并且人眼观察裂缝会受到人自身主观的影响；危险系数高，人员需到混凝土建筑附近进行检测，无法保证人员的安全；所需成本高，混凝土建筑数量多，若要对其进行及时、全面的病害检测，就要使用大量的人力、物力，将会带来巨大的成本消耗；信息化程度低，人工检测记录数据时，主要落实到纸上，甚至有些数据没有被记录在册，纸质化的资料查找困难，不利于对危险建筑的及时修复。随着摄影设备与数字图像技术的发展，基于数字图像处理的裂缝识别技术也得到了的快速的发展，特别是随着深度学习在目标检测领域的快速发展，基于深度学习的混凝土裂缝识别技术也得到了广泛的应用，并大大提升了裂缝识别的精度和速度。但由于地理环境及自然条件的影响，混凝土结构表面裂缝由于其形成机理的不同，存在尺度多样性和形态多样性等特性，从而导致裂缝特征信息增多，造成混凝土结构裂缝特征提取困难，进一步影响裂缝特征提取的准确性。混凝土结构表面的大面积斑迹、麻面、蜂窝孔洞等对裂缝识别造成一定程度的影响，此外，混凝土结构表面禅缝(模板印迹等)、管道、线缆、支架、孔洞、装饰等成像后边缘呈细长状，在成像后容易与裂缝混淆，以及钢结构表面锈蚀也会干扰裂缝识别。同时，图像采集设备的不同以及采集距离、角度、光照等的不同，也进一步影响裂缝识别的精度。而且随着信息技术不断的引入到结构健康智能监测领域中，对混凝土结构多尺度裂缝的识别也提出了更高的要求。近些年来，基于计算机视觉技术的混凝土裂缝识别技术得到了飞速发展，但是该技术仅能够提取裂缝表面信息，例如裂缝长宽、表面二维形态以及裂缝走向，但其无法对裂缝深度等三维信息进行有效的提取。但裂缝深度等三维信息是判定裂缝对结构安全影响程度的关键信息。随着信息技术的不断发展以及结构健康监测要求的提高，单纯的裂缝识别或深度检测已越来越无法满足结构健康监测的要求，需要对裂缝-腔体的整体参数(包括长度、宽度、深度、形态等)进行全面评估，从而为结构安全评估提供更加全面的信息。

发明内容

针对现有技术存在的上述不足，本发明的目的在于解决提供一种多尺度裂缝三维形态反演复现方法，能够重构裂缝的三维形态，实现对裂缝的整体参数，例如长度、宽度、深度、形态等进行全面评估，从而为混凝土结构安全评估提供更加全面的信息。

为了解决上述技术问题，本发明采用的技术方案是这样的：一种多尺度裂缝三维形态反演复现方法，其特征在于：包括如下步骤：

1)获取若干混凝土结构的裂缝的二维图像；

2)基于deeplabv3+卷积神经网络提取二维图像的裂缝表面的二维特征信息；

3)建立基于deeplabv3+卷积神经网络的裂缝表面二维特征信息与其对应的声波散射信号映射关系；