[发明专利]一种骨料检测模型的形成方法和消力池底板骨料检测的方法

说明书

本发明提供了一种骨料检测模型的形成方法和消力池底板骨料检测的方法，涉及骨料检测技术领域。骨料检测模型的形成方法包括：利用水下机器人采集消力池底板的原始图像；对所述原始图像进行增广处理，形成图像数据集；采用卷积神经网络对所述图像数据集进行像素级的缺陷检测，得出损失预测值P_n；采用所述损失预测值P_n和损失函数对所述卷积神经网络进行训练，得出骨料检测模型。该方法能够自动识别磨损的裸露骨料，并具有较高的检测精度和效率。

技术领域

本发明涉及骨料检测技术领域，具体而言，涉及一种骨料检测模型的形成方法和消力池底板骨料检测的方法。

背景技术

目前，大坝等水利枢纽基础设施的正常运行是保障民生质量、发展经济的重要因素之一，在发电、防洪、灌溉等领域扮演着重要的角色。

然而，在后端消能过程中，消力池底板混凝土表面不可避免地会受到水流冲击和水中杂物的破坏而产生磨损侵蚀，因此，为保证水利工程稳定高速的发展，需对消力池底板进行高效精确的缺陷检测。其中，裸露骨料是消力池底板混凝土表面磨损侵蚀的典型特征，因此，对消力池底板的磨损评价，需要对裸露骨料进行自动准确的检测。

目前，国内外虽然设计了多种水下机器人用于消力池底板缺陷检测，但用于识别磨损的裸露骨料检测往往是手工完成的，检测精度和效率都较低。同时，图像样本的稀缺和含有的较多噪声也成为了自动检测所面临的主要难点。

因此，设计一种消力池底板骨料检测的方法，能够自动识别磨损的裸露骨料，并具有较高的检测精度和效率，这是目前急需解决的技术问题。

发明内容

本发明的目的在于提供一种骨料检测模型的形成方法和消力池底板骨料检测的方法，其能够自动识别磨损的裸露骨料，并具有较高的检测精度和效率。

本发明提供一种技术方案：

一种骨料检测模型的形成方法，包括：

利用水下机器人采集消力池底板的原始图像；

对所述原始图像进行增广处理，形成图像数据集；

采用卷积神经网络对所述图像数据集进行像素级的缺陷检测，得出损失预测值P_n；

采用所述损失预测值P_n和损失函数对所述卷积神经网络进行训练，得出骨料检测模型。

在本发明较佳的实施例中，所述利用水下机器人采集消力池底板的原始图像的步骤，包括：

在所述消力池底板上按矩阵的形式标记多个采样点；

利用所述水下机器人采集每个所述采样点的所述原始图像。

在本发明较佳的实施例中，所述对所述原始图像进行增广处理，形成图像数据集的步骤，包括：

将所述原始图像按照预定比例随机分为训练图像、验证图像和测试图像，所述训练图像、所述验证图像和所述测试图像均加入所述图像数据集。

在本发明较佳的实施例中，所述将所述原始图像按照预定比例随机分为训练图像、验证图像和测试图像，所述训练图像、所述验证图像和所述测试图像均加入所述图像数据集的步骤，包括：

对所述训练图像进行增广处理，形成增广图像，所述增广图像加入所述图像数据集。

在本发明较佳的实施例中，所述对所述训练图像进行增广处理，形成增广图像的步骤，包括：

对每张所述训练图像分别进行水平翻转变换、垂直翻转变换、亮度变换、旋转变换，形成四张所述增广图像。