[发明专利]一种基于U-Net的建筑物表面裂纹检测方法

摘要

本发明涉及一种基于U‑Net的建筑物表面裂纹检测方法。首先使用相机和无人驾驶飞行器收集30张包含裂纹原始图像；然后在每个原始图像中标记裂缝区域并将注释保存为灰度图标签文件；之后对图像进行预处理后，选取其中的200张图像作为数据集，按比例随机分成训练集、验证集和测试集；采用数据增强方法对制作好的数据集进行处理，再将其送入U‑net网络进行训练，经过30轮迭代训练后，U‑net模型在测试集上的准确率为99.56%；最后利用训练好的模型进行裂纹检测。本发明能够适应不同条件下的裂纹检测，并且省去布置大量传感器的繁琐，能够自动准确的对裂纹进行识别检测，对于提升建筑物表面裂纹检测的准确率和效率有重要作用。

主权项

1.一种基于U‑Net的建筑物表面裂纹检测方法，其特征在于，包括如下步骤：步骤S1、图像采集：使用相机和无人驾驶飞行器收集30张包含裂纹的建筑物原始图像；步骤S2、图像注释：使用支持语义和实例分割的图形图像注释工具LabelMe，在每个原始图像中标记裂缝区域并将注释保存为JSON文件，然后将这些JSON文件转换为灰度图标签文件，其中裂纹区域赋予像素值1，背景区域赋予像素值0；步骤S3、图像预处理：将每个原始图像和对应的标签分别随机剪成100个，变成512×512像素分辨率的图片；选取200张图像作为初步数据集，按比例随机分成训练集、验证集和测试集；步骤S4、模型训练：采用Keras框架实现U‑Net系统，并在Anaconda平台下，将制作好的数据集送入U‑Net网络进行训练，训练完成后将模型进行保存；步骤S5、利用模型进行裂纹检测：使用改进的U‑Net模型来进行裂纹提取任务，将待检测的裂纹图片输入U‑Net模型，输入与输出图像的像素大小为512×512，输出是显示每个像素类别的掩模图像。