[发明专利]一种基于机器视觉的桥梁表观病害快速检测方法

权利要求书

1.一种基于机器视觉的桥梁表观病害快速检测方法，其特征在于，包括如下步骤：

步骤1：获取桥梁图像：

首先利用桥梁机器人采集桥梁底部的原始图像，然后基于Mask匀光算法，采用高斯低通滤波器获取原始图像的背景图像，并通过自适应阈值算法对背景图像进行明暗区域分割，进而分别对明暗区域进行反差一致性处理，最终通过原始影像与背景影像的相减运算和反差拉伸运算得到光照均匀、反差一致的桥梁图像f；

步骤2：使用滑动窗口算法将桥梁图像f按照大步长进行分块得到大子图像f₁，然后将桥梁图像f按照小步长进行分块得到小子图像f₂；大子图像f₁的尺寸大于小子图像f₂的尺寸；

步骤3：将大子图像f₁输入块状病害检测网络进行块状病害的检测，得到块状病害区域；在块状病害检测网络内，利用混合空洞金字塔模块提取块状病害的稀疏多尺度特征图，以提升网络的感受野，增强网络对不同形态病害特征的学习；所述块状病害包括桥梁蜂窝、露筋和空洞病害；

步骤4：将小子图像f₂输入裂缝病害检测网络进行桥梁裂缝病害的检测，得到裂缝病害区域；在裂缝病害检测网络内，利用下采样注意力模块加强裂缝细节信息在下采样阶段的前景响应，以更好的传递裂缝梯度信息，保留裂缝有效特征；

步骤5：利用语义分割网络对块状病害区域和裂缝病害区域进行精细检测，得到分割后的图像；将分割后的图像转化为多值化图像；

步骤6：将多值化图像还原到高分辨率图像中，实现对桥梁多种病害的精准检测与定位。

2.根据权利要求1所述的基于机器视觉的桥梁表观病害快速检测方法，其特征在于：所述步骤2中，通过滑动窗口算法对桥梁图像f进行滑窗分块，滑窗分块时的步长大小通过如下方法确定：对不同桥梁表观病害的大小统计，分别得到各类桥梁表观病害检测的合适分辨率，通过各类桥梁表观病害检测的合适分辨率确定检测不同桥梁表观病害时所需的步长大小。

3.根据权利要求1所述的基于机器视觉的桥梁表观病害快速检测方法，其特征在于：所述步骤3中，所述块状病害检测网络包括特征提取网络，混合空洞金字塔模块和特征融合网络；进行块状病害的检测时，首先将图像f₁输入到特征提取网络，得到块状病害特征图；然后将块状病害特征图输入到混合空洞金字塔模块得到多尺度信息增强的块状病害特征图，再输入特征融合网络得到块状病害区域；

所述的混合空洞金字塔模块通过四条感受野不同的通道进行块状病害特征的并行采样，块状病害特征图输入混合空洞金字塔模块后，首先通过1×1卷积，降低每条通道的特征通道数量，减少模块的参数量，同时在1×1卷积后引入非线性激活函数；然后在第一条通道中，通过膨胀率为2的3×3空洞卷积，提取得到第一块状病害特征；在第二条通道中，通过膨胀率为2、3的两个3×3空洞卷积串联，提取得到第二块状病害特征；在第三条通道中，通过膨胀率为2、3、5的三个3×3空洞卷积串联，提取得到第三块状病害特征；在第四条通道中，通过膨胀率为2、3、5、7的四个3×3空洞卷积串联，提取得到第四块状病害特征；将第一、二、三、四块状病害特征输入特征融合网络得到块状病害区域。

4.根据权利要求1所述的基于机器视觉的桥梁表观病害快速检测方法，其特征在于：所述步骤4中，所述裂缝病害检测网络包括轻量化特征提取网络，下采样注意力模块和轻量化特征融合网络；进行裂缝病害的检测时，首先将图像f₂输入到轻量化特征提取网络，得到裂缝病害特征图；在下采样阶段利用下采样注意力模块减少裂缝空间信息的损失；再输入轻量化特征融合网络得到裂缝病害区域；

所述轻量化特征提取网络和轻量化特征融合网络通过网络缩放技术,将网络特征层数和特征通道数缩减至原有深度卷积神经网络的三分之二，并利用CSPResNet模块代替残差模块得到；而所述下采样注意力模块在标准下采样层上增加了一条注意力通道，其构建方法如下：注意力通道先使用2×2最大池化对裂缝病害特征图进行下采样，之后通过两个连续的1×1卷积和分组卷积进行特征间通道相关性和空间相关性的解耦得到注意力通道的下采样结果；标准下采样模块得到标准下采样结果；将注意力通道的下采样结果与标准下采样结果相加得到优化后的下采样结果。

5.根据权利要求1所述的基于机器视觉的桥梁表观病害快速检测方法，其特征在于：所述步骤5中，语义分割网络用于对步骤3中得到的块状病害区域和步骤4中得到的裂缝病害区域进行精细检测，语义分割网络的构建方法如下：

语义分割网络由13个空洞卷积层，3个下采样层，3个上采样层和2个标准卷积层组成；其中，在每个下采样步骤中，特征通道的数量增加一倍；在下采样路径的每个下采样层中，利用2×2的最大池化实现特征的下采样，在上采样通道内执行非线性上采样，生成稀疏特征图；最后一个空洞卷积层的输出分别输入到卷积核大小为3×3和1×1的2个标准卷积层，将特征图的通道数减少到1个通道；在最后的1×1卷积层之后添加softmax函数，以预测不同病害的分割结果，并输出使Dice损失函数最小的分割结果；最后，将分割结果表示为多值化图像，其中，背景区域用灰度值0表示，裂缝区域用灰度值1表示，蜂窝区域用灰度值2表示，露筋区域用灰度值3表示，空洞区域用灰度值4表示。