申请/专利权人:北京城建集团有限责任公司;北京市首都公路发展集团有限公司;北京城建勘测设计研究院有限责任公司;北京城建轨道交通建设工程有限公司
申请日:2024-01-11
公开(公告)日:2024-04-09
公开(公告)号:CN117853870A
主分类号:G06V10/82
分类号:G06V10/82;G06V10/774;G06V10/764;G06N3/0464;G06N3/045;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于两步序列卷积神经网络的桥梁裂缝自动分类和检测方法,包括如下步骤,S1、采集桥梁裂缝数据,构建基础数据集;S2、构建基于注意力机制的图像筛选网络,筛选包含裂缝的图片数据;S3、基于裂缝检测数据集,构建高质量基础数据:S4、构建裂缝检测网络,对桥梁裂缝进行检测。优点是:本发明构建的图像分级总体网络结构在保留高维特征的同时减少了时间延迟、在提高性能的同时减少了计算量,可以较为准确地反映输入图像的相应部分是否有裂缝,达到快速筛选的目的。本发明构建的裂缝检测网络在整体结构上实现了对多个尺度特征的兼容,包括特征融合和损失函数部分,且网络对裂缝的真实框具有更好的适应性。
主权项:1.一种基于两步序列卷积神经网络的桥梁裂缝自动分类和检测方法,其特征在于:包括如下步骤,S1、采集桥梁裂缝数据,构建基础数据集;S2、构建基于注意力机制的图像筛选网络,筛选包含裂缝的图片数据;基于基础数据集构建包含有相同数量的裂缝图片和无裂缝图片的分类数据集,并将分类数据集按比例划分为训练集和测试集;利用训练集训练基于注意力机制的图像筛选网络,利用BCEWithLogitsLoss作为损失函数更新网络模型参数,并利用测试集进行测试,以获取训练好的基于注意力机制的图像筛选网络;利用训练好的基于注意力机制的图像筛选网络筛选基础数据集中含有裂缝的图像,构建裂缝检测数据集;S3、基于裂缝检测数据集,构建高质量基础数据;根据环向、纵向裂缝的平均高度-宽度对标注的裂缝的边界盒进行多轮检查,获取高质量基础数据;S4、构建裂缝检测网络,对桥梁裂缝进行检测;基于YOLOv3结构构建裂缝检测网络YOLOv3-spp;将高质量基础数据集按比例划分为训练集、验证集和测试集,利用训练集训练裂缝检测网络,利用由分类损失函数、置信度损失函数和边界框定位损失函数构成的总损失函数更新网络模型参数,并利用验证集和测试集分别进行验证和测试,以获取训练好的裂缝检测网络;利用训练好的裂缝检测网络对所选图像的裂缝进行分类和定位,输出裂缝识别结果。
全文数据:
权利要求:
百度查询: 北京城建集团有限责任公司;北京市首都公路发展集团有限公司;北京城建勘测设计研究院有限责任公司;北京城建轨道交通建设工程有限公司 基于两步序列卷积神经网络的桥梁裂缝自动分类和检测方法
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。