[发明专利]一种混凝土结构表面裂缝识别方法

说明书

本发明公开了一种混凝土结构表面裂缝识别方法，包括以下步骤：获取混凝土结构表面裂缝图像，组建图像数据集；对获取的裂缝图像进行随机剪切、颜色改变处理以增强数据集；对数据集中的裂缝图像打标签标注；将数据集划分为两个子集，训练集和测试集；构建卷积神经网络模型；输入上一步骤中划分出的训练集图像对所建卷积神经网络模型进行训练；将测试集中图像交由已训练的卷积神经网络模型去识别，输出识别结果。

技术领域

本发明属于混凝土结构安全监测领域，涉及一种混凝土结构表面裂缝识别方法；用于土木工程、水利水电工程中混凝土结构表面裂缝的识别。

背景技术

在目前的土木工程、水利水电工程中，混凝土结构所占比例很大，处于主导地位。裂缝是混凝土结构中常见的一种外观质量缺陷。在内外因素的综合作用下，混凝土结构常常会产生裂缝，这将对结构的安全性、适用性、耐久性产生不良影响。因此，定期对混凝土结构进行裂缝检测、评判、采取相应维修措施对于混凝土结构安全至关重要。

传统的裂缝检测方法以检测人员配以相关仪器进行直接检测为主，这种检测方法劳动力消耗大、识别速度慢、并且给工作人员安全也带来很大隐患。近年来，随着计算机神经网络相关技术的发展，计算机在图像识别与分类等方面的能力有了很大提高，这也为混凝土结构表面裂缝识别提供了一种新的方法。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种混凝土结构表面裂缝识别方法。

技术方案：一种混凝土结构表面裂缝识别方法，包括以下步骤

S1、获取混凝土结构表面裂缝图像，组建图像数据集；

S2、对获取的裂缝图像进行随机剪切、颜色改变处理，以增强数据集；

S3、对数据集中的裂缝图像打标签标注；

S4、将数据集划分为两个子集，训练集和测试集；

S5、构建卷积神经网络模型；

S6、输入S4步骤中划分出的训练集图像对所建卷积神经网络模型进行训练；

S7、将测试集中图像交由已训练的卷积神经网络模型去识别，输出识别结果。

步骤S3所述打标签操作后生成一个文件来描述图中裂缝的位置框坐标(x_min，y_min，x_max，y_max)，以定位裂缝的位置。

步骤S5具体为：

所述卷积神经网络模型结构是由1个卷积层、17个瓶颈层、5个特征提取层、1个非极大值抑制输出层组成。

所述步骤S5中卷积神经网络模型设计具体为：

第一层，卷积层，步长S＝1，通道数C＝8；

第二层，瓶颈层，扩张系数t＝1，步长S＝1，通道数C＝12；

第三层，瓶颈层，扩张系数t＝6，步长S＝2，通道数C＝12；

第四层，瓶颈层，扩张系数t＝6，步长S＝1，通道数C＝12；

第五层，瓶颈层，扩张系数t＝6，步长S＝2，通道数C＝16；

第六层，瓶颈层，扩张系数t＝6，步长S＝1，通道数C＝16；

第七层，瓶颈层，扩张系数t＝6，步长S＝2，通道数C＝16；

第八层，瓶颈层，扩张系数t＝6，步长S＝1，通道数C＝32；

第九层，瓶颈层，扩张系数t＝6，步长S＝2，通道数C＝32；