[发明专利]一种桥梁病害自动识别方法

摘要

本发明提供了一种桥梁病害自动识别方法，包括如下步骤：S1：构建桥梁病害检测数据集；S2：将数据集划分为训练集和测试集；S3：基于卷积神经网络SSD构建桥梁病害的目标检测模型；并对S3中的构建的桥梁病害的目标检测模型进行训练，对训练后的桥梁病害的目标检测模型进行评估，如通过了评估标准，则将待检测的带有病害的桥梁图像输入更新参数后的目标检测模型，通过特征融合确定最终的病害位置、种类及尺寸；本发明提供的桥梁病害自动识别方法可以自动检测出桥梁病害的位置、种类及尺寸，提高了检测精度以及效率。

主权项

1.一种桥梁病害自动识别方法，其特征在于，包括如下步骤：/nS1：构建桥梁病害检测数据集；/n对现场采集的每一张带有病害的桥梁图像根据建立的桥梁病害特征字典进行标注，标注桥梁的病害位置及种类，具体为在病害处绘制长方形框体，生成一个数据文件，每个数据文件标注图像的名称、大小、类型、病害出现的位置坐标、病害种类及病害尺寸；将多个标注后的数据文件构建为桥梁病害检测数据集；/nS2：将步骤S1中构建的桥梁病害检测数据集通过随机抽样划分为5:1的数量，前者作为训练集训练模型，后者作为测试集评估模型质量；/nS3：基于卷积神经网络SSD构建桥梁病害的目标检测模型；/nS4：将步骤S2中的训练集输入步骤S3中的目标检测模型提取尺度不同的特征层，并得到相应的特征图；/nS5：采用先验的默认框机制将尺度不同的特征图生成默认框；/nS6：目标检测模型预测每个默认框的形状偏移，得到预测值为(cx,cy,cw,ch)；/nS7：将数据集中标注桥梁的病害位置信息及类别信息记为GT，对生成的默认框与GT进行匹配；将成功匹配的默认框标记为正样本，反之为负样本；/nS8：计算正样本的默认框与GT的形状偏移量，得到目标值为(cx’,cy’,cw’,ch’)；/nS9：根据步骤S6中得到的预测值和步骤S8中得到的目标值计算Lloc；/nS10：分别计算步骤S7中的正样本和负样本的置信度；/nS11：根据步骤S10中的正样本和负样本的置信度计算Lconf；/nS12：计算最终的损失值L；/n其中，最终的损失值L根据公式(1)确定：/nL＝(1/N)*(Lconf+a*Lloc) (1)/n其中，a为Lloc的比率，N为正、负样本默认框的数量和；/nS13：根据最终的损失值L，利用反向传播算法和SGD算法对目标检测模型的参数进行更新；/nS14：利用步骤S2中的测试集对更新参数后的目标检测模型进行评估；/n如符合评估标准后，则进入步骤S15，若不符合评估标准，则重复步骤S4-S13；/nS15：将待检测的带有病害的桥梁图像输入更新参数后的目标检测模型，通过特征融合确定最终的病害位置及种类。/n