申请/专利权人：昆明理工大学

申请日：2023-12-29

公开（公告）日：2024-04-12

公开（公告）号：CN117875549A

主分类号：G06Q10/063

分类号：G06Q10/063;G06Q50/08;G06Q50/26;G06V20/10;G06V10/764;G06V10/82;G06V10/774;G06N3/084;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明提供一种基于图像识别的建筑遗产保护评估系统和方法，涉及建筑保护评估技术领域，包括数据集处理模块、数据集标记模块、模型构建模块、图像采样模块、图像识别模块和建筑评估模块，本发明利用FasterR‑CNN深度学习模型，通过对现有裂缝图像进行预处理、标记，并构建相应的训练数据集，让深度学习模型系统能够自动识别出裂缝的存在并量化裂缝的尺寸，实现对建筑物表面的裂缝进行自动识别，并通过建筑评估指数对于建筑物的损坏程度进行量化分析，这大大降低了人为因素导致的误差，并减少了专家评估所需的时间和资源，建筑评估指数是通过裂缝所处的高度、数量长度和宽度等进行综合分析，而非是单一分析，保证数据分析的准确性。

主权项：1.一种基于图像识别的建筑遗产保护评估系统，其特征在于，包括：数据集处理模块，所述数据集处理模块用于收集古建筑的墙面的不同类型的裂缝图像，收集的裂缝图像进行预处理，构成古建筑裂缝图像的训练图像数据集；数据集标记模块，所述数据集标记模块用于对训练图像数据集内部的图像进行正负标签标注，正标签表示有裂缝区域，负标签代表没有裂缝区域，并对具有正标签的图像标注数据标签，所述数据标签包括裂缝的数量，以及图像中裂缝的总长度和总宽度，将标注完成的图像存入数据库，构成训练数据集；模型构建模块，所述模型构建模块用于构建基于FasterR-CNN网络的对象检测模型，并将训练数据集输入至对象检测模型中，并将训练结果和图像的标注相比较，当损失函数小于设定的准确度阈值后，完成对象检测模型的训练；图像采样模块，所述图像采样模块用于对于古建筑的表面图像进行采集，将采集的待识别图像集构成识别数据集，并对采集的待识别图像进行高度标记，高度标记时将图像正中央拍摄的建筑场景实际距离地面的高度标定为对应图像的高度标记；图像识别模块，所述图像识别模块使用训练完成后的对象检测模型对于待识别图像内部的正负标签标注和数据标签进行识别，获取每一张待识别图像的正负标签标注和数据标签数据，并对含有正标签的图像和含有负标签的图像进行分类；建筑评估模块，所述建筑评估模块用于统计含有正标签的图像和含有负标签的图像的数目，以及每个含有正标签的图像内部的裂缝的数目、长度和宽度，并对分析的数据进行处理，生成建筑评估指数，并将建筑评估指数传递至评估预警模块，通过评估预警模块针对建筑评估指数发出或者不发出预警提示。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种基于图像识别的建筑遗产保护评估系统和方法

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。

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