[发明专利]一种水坝斜坡裂缝检测方法及仿生壁虎爬行检测装置

摘要

本发明公开了一种水坝斜坡裂缝检测方法和仿生壁虎爬行检测装置。该方法首先训练神经网络，然后采用训练好的u‑net神经网络，对实时采集的水坝裂缝图像进行检测，准确分割图像中的裂缝与背景杂物。在对倾斜水坝进行裂缝检测时，采用仿生壁虎爬行检测装置，该检测装置包括机身、行走仿生机构、摄像机夹持机构和光源照明系统。本发明通过神经网络和双目视觉检测系统可以很好地检测倾斜水坝裂缝，包括裂缝宽度、裂缝深度等信息，检测精度高，而且通过行走仿生机构使得检测装置能够很稳定的在倾斜水坝上行走和检测。

主权项

1.一种基于深度学习的水坝斜坡裂缝检测方法，其特征在于包括下述步骤：(1)训练神经网络：1‑1.准备神经网络的训练集和测试集：先用CCD工业相机采集水坝斜坡的实时图像并进行预处理，然后对图像进行增强，包括翻转、平移或旋转，得到1000张以上的裂缝图像；再将其中60～80％的图像作为训练集用于网络训练，另外20～40％的图像作为测试集用于网络测试；1‑2.调整神经网络的参数：通过对U‑net神经网络的参数进行调整，使U‑net神经网络能够适应裂缝图像，从而准确地分割裂缝和背景杂物；1‑3.测试：用1‑1步骤获得的测试集来测试U‑net神经网络的训练结果，通过均交并比MIOU和Dice系数进行评估；(2)采用训练好的u‑net神经网络，对实时采集的水坝裂缝图像进行检测，准确分割图像中的裂缝与背景杂物：2‑1.摄像机标定：把摄像机对准一个具有很多独立可标识点的已知结构，获取标定图像，然后通过OpenCV的内置函数求出摄像机的内部参数和外部参数，其中内部参数包括旋转矩阵R和平移向量T；2‑2.对图像进行矫正：左右摄像机拍摄获得水坝裂缝实时的左右图像；然后根据2‑1步骤获得的旋转矩阵R和平移向量T，对实时的左右图像进行校正，得到矫正后的左右图像；2‑3.采用训练好的u‑net神经网络，准确分割矫正后的左右图像中的裂缝与背景杂物，得到左右图像的裂缝特征信息；2‑4.立体匹配：将左右图像的裂缝特征信息进行匹配，分析特征之间的偏差即视差，得到视差图；2‑5.求解裂缝的深度：将视差图转化为深度图，深度depth如下所示：其中，depth表示裂缝的深度信息；f表示归一化的焦距；b是两个摄像机光心之间的距离，也称为基线距离；disp是视差值；2‑6.求解裂缝的宽度：宽度H(A,B)为图像中裂缝的最大宽度，其公式如下所示:H(A,B)＝max[h(A,B),h(B,A)]其中，A为裂缝的上边缘点，B为裂缝的下边缘点；h(A,B)为点集A到点集B的单向距离，h(B,A)从点集B到点集A单向距离。