申请/专利权人：河海大学;广州市北部市管水利设施事务中心

申请日：2023-11-24

公开（公告）日：2024-03-22

公开（公告）号：CN117292266B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/30;G06V10/52;G06V10/764;G06V10/77;G06V10/774;G06V10/82;G06N3/0455;G06N3/047;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.01.12#实质审查的生效;2023.12.26#公开

摘要：本发明公开了一种灌区干渠混凝土裂缝检测方法、装置及存储介质，该方法构建用于裂缝区域检测的深度学习模型，其中模型以灌区干渠混凝土图像为输入，以裂缝检测结果为输出，模型采用多路径深度方向带状卷积提取输入图像的多尺度特征信息；将实时获取的灌区干渠混凝土图像输入所述深度学习模型，得到灌区干渠混凝土裂缝检测结果；再采用随机场进行优化，得到最终的裂缝检测结果。本发明可以准确识别干渠中的混凝土裂缝情况，避免误报或漏报的情况发生。

主权项：1.一种灌区干渠混凝土裂缝检测方法，其特征在于，包括：构建用于裂缝区域检测的深度学习模型；所述模型以预处理后的灌区干渠混凝土图像为输入，以裂缝区域检测结果为输出，所述模型采用多路径深度方向带状卷积提取输入图像的多尺度特征信息；所述预处理为采用基于总变分的图像去噪算法对所述灌区干渠混凝土图像进行去噪处理；所述构建用于裂缝区域检测的深度学习模型，具体过程如下：拍摄不同角度、不同距离和不同明暗条件下的灌区干渠混凝土裂缝图像作为裂缝图像数据集；对所述裂缝图像数据集中的图像进行预处理后，对裂缝区域进行标注；构建基于编码器-解码器的深度学习网络，包括：Stem模块，用于对输入图像进行降维处理；编码器，用于提取输入图像在不同感受野尺度上的特征图；所述编码器包括四个特征提取模块，每个特征提取模块包括两个1*1卷积模块和一个多路径深度方向带状卷积模块；所述多路径深度方向带状卷积模块包括三个深度可分离对称卷积，卷积核大小分别为7、11和21；解码器，用于将所述编码器输出的四个特征图通过多层感知机统一通道维度，并将四个特征图统一进行上采样为相同尺寸进行拼接，以及将拼接后的特征图通道数调整为2，输出对应背景区域和裂缝区域像素的预测概率；以标注后的裂缝图像数据集为训练集，对所述深度学习网络进行训练，得到训练好的用于裂缝区域检测的深度学习模型；对所述深度学习网络进行训练过程中，采用改进的损失函数，所述损失函数表示如下： 其中，Loss表示损失函数，pt表示网络预测概率，为正类别的概率，αt表示一个用于平衡正负样本权重的因子，γ表示一个调节因子，λ表示正则化系数，θi表示第i个网络参数；将实时获取的灌区干渠混凝土图像经预处理后输入所述深度学习模型，得到灌区干渠混凝土裂缝区域检测结果；对所述灌区干渠混凝土裂缝区域检测结果采用随机场进行优化，得到最终的裂缝区域检测结果。

全文数据：

权利要求：

百度查询： 河海大学;广州市北部市管水利设施事务中心 一种灌区干渠混凝土裂缝检测方法、装置及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD