买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种水工混凝土结构表观裂缝测量方法_长江勘测规划设计研究有限责任公司;河海大学_202311575720.6 

申请/专利权人:长江勘测规划设计研究有限责任公司;河海大学

申请日:2023-11-24

公开(公告)日:2024-04-16

公开(公告)号:CN117291913B

主分类号:G06T7/00

分类号:G06T7/00;G01N21/88;G06V10/26;G06V20/70;G06V10/46;G06V10/80;G06V10/764;G06V10/774;G06V10/776;G06V10/82;G06N3/0464;G06N3/045

优先权:

专利状态码:有效-授权

法律状态:2024.04.16#授权;2024.01.12#实质审查的生效;2023.12.26#公开

摘要:本发明公开一种水工混凝土结构表观裂缝测量方法,包括获取水工混凝土结构表观裂缝图像;构建U‑Net语义分割模型并进行迭代训练,改进模型并调整模型参数,得到水工混凝土结构表观裂缝神经网络模型;利用图像预处理和图像标注方法对水工混凝土结构表观裂缝图像进行处理,构建水工混凝土结构表观裂缝图像数据集并划分为训练集和验证集;通过对分割后的图像进行处理,利用尺寸重构模型和水工混凝土结构表观裂缝特征分析对分割结果进行处理;结合相机成像原理和双目视觉标定法,将水工混凝土结构表观裂缝的像素级信息转化为真实物理尺寸量化结果,得到水工混凝土结构表观裂缝测量结果,实现了对水工混凝土结构表观裂缝的精准识别与测量。

主权项:1.一种水工混凝土结构表观裂缝测量方法,其特征在于,包括如下步骤:S1:获取复杂的水工混凝土结构表观裂缝图像;S2:构建U-Net语义分割模型并进行迭代训练,通过焦点损失函数计算分割结果与真实标签之间的损失值进行模型优化和调整,得到水工混凝土结构表观裂缝神经网络模型;S3:利用图像预处理获取高对比度的水工混凝土结构表观裂缝图像,得到复杂多样的混凝土结构表观裂缝数据集;S4:利用图像标注方法对水工混凝土结构表观裂缝图像进行处理,构建水工混凝土结构表观裂缝图像数据集并划分为训练集和验证集;S5:通过对分割后的图像进行处理,利用尺寸重构模型和水工混凝土结构表观裂缝特征分析对分割结果进行量化处理;S6:结合相机成像原理和双目视觉标定法,将水工混凝土结构表观裂缝的像素级信息转化为真实物理尺寸量化结果,得到水工混凝土结构表观裂缝测量结果;步骤S2的具体过程为:S2-1:对U-Net语义分割模型进行改进,在增强特征提取网络中添加注意力机制所形成的注意门,同时将模型的损失函数重新定义,利用焦点损失函数充当模型的损失函数;此外,利用烧烛实验判断注意力机制和焦点损失函数对模型的影响,分别构建UNet、F-Unet、A-UNet和AF-UNet模型,对比四个评价指数参数数值和模型分割效果,最终选取并提出AF-UNet语义分割模型; MsF'=σωMcF1+1-ωMsF23McF1为通道注意力,通过一维卷积对特征图中的每个像素点的权重进行重分配,提高裂缝像素点的权重;MsF2为空间注意力,通过平均和最大池化操作对关注每个通道的权重进行重分配,提高特征图中潜在裂缝区域更高的权重;MsF'为融合后的特征结果,对输入进来的特征层分别进行通道注意力模块和空间注意力模块处理;c为通道注意力,s为空间注意力,avg为平均池化,max为最大池化,σ为ReLU函数,为位置数据的点积,ω为属于通道注意力的权重,1-ω表示属于空间注意力的权重,W∈RC×H×W,M∈RC×H×W,ω取0.5;依据上述公式1、2和3进一步得到特征融合层,增强特征提取网络得到图像的最终特征层;S2-3:其中,LFocal为焦点损失函数,通过调节因子降低易分类样本权重,提高困难样本的样本权重,用于计算预测值和真实值的差值,得到分割模型在训练集和验证集上的损失函数LFocal;N表示图像像素;C表示图像分类类别;是二进制指示符,表示像素i正确分类为类别c;为对应的预测概率;依据上述公式4得到的损失函数分割模型的参数,直至模型准确度达到预设值,得到水工混凝土结构表观裂缝神经网络模型;步骤S2-1中AF-UNet语义分割模型对水工混凝土结构表观裂缝图像的特征提取过程如下:1AF-UNet的主干特征提取网络VGG16模型,通过卷积和最大池化运算操作,所用卷积结构统一为3x3的卷积核,步长为1,依次通过下采样操作从输入的图像中提取5个初步特征图层;2AF-UNet的增强特征提取网络通过2x2上采样过程,将相应的特征通道减少一半;此外,与上采样对应的下采样过程中的特征会被连接,在连接操作中引入注意门,改善5个初步特征层的特征信息,为后续的特征融合提供更精确的特征层,进一步增强特征提取网络得到图像的最终特征层;3通过拼接融合的方式输出的网络的最后一层,使用1x1的卷积层进行分类,最后输出的两层分别是前景和背景,并最终输出预测结果;所述尺寸重构模型为像素尺寸与实际物理尺寸的转换比例,当双目相机与水工混凝土结构表观裂缝平行时,其具体的计算公式为: d=uL-uR6其中,uL和uR为成像平面的坐标;f为焦距;z为相机到成像目标的距离;b为左右相机的距离。

全文数据:

权利要求:

百度查询: 长江勘测规划设计研究有限责任公司;河海大学 一种水工混凝土结构表观裂缝测量方法

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。