[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

说明书

本发明公开了一种基于机器视觉的桥梁表观病害快速检测方法，涉及桥梁病害防治领域，包括步骤1：获取桥梁底部的高分辨率图像f；步骤2：利用滑动窗口算法将高分辨率图像按照不同的步长进行分块，得到大子图像f1和小子图像f2；步骤3：在大子图像f1上，利用块状病害检测网络进行桥梁蜂窝、漏筋和空洞病害的检测。步骤4：在小子图像f2，利用裂缝病害检测网络进行桥梁裂缝病害的检测。步骤5：利用语义分割网络对步骤3和步骤4检测到的粗略病害区域进行精细检测，并将分割后的图像转化为多值化图像。步骤6：将分割后的多值化图像还原到高分辨率图像f中，实现对桥梁多种病害的精准检测与定位。该方法实现了桥梁表观病害的高效率、高精度检测。

技术领域

本发明属于机器视觉检测技术领域，特别涉及一种基于机器视觉检测的桥梁表观病害快速检测算法

技术背景

我国桥梁建设长期以来处于一个快速发展的阶段，大量桥梁的建设改善了交通，但桥梁的养护等方面存在许多问题。桥梁结构施工及使用过程中，材料、工艺、车辆超载、恶劣天气、道路自老化等因素会导致桥梁病害的出现，这些病害包括蜂窝、漏筋、孔洞和裂缝等，影响到桥梁的使用寿命，严重时将直接危害到桥梁的安全，进而产生经济损失和不良社会影响。我国桥梁众多，新旧交替，目前拥有超过100万座公路和铁路桥梁，桥梁数目和规模均居世界之首，其中15％属于危桥，还有30-40％的桥梁存在潜在隐患。为了保证交通运输的安全性和连续性，需要对桥梁进行定期的检测，对有损伤的桥梁及时进行维护。

基于机器视觉技术的桥梁表观病害快速检测系统能够高效率高精度地检测桥梁表观病害，节省人力，实现桥梁表观病害的自动化检测和识别，可以为公路部门及时有效地维护桥梁提供指导的建议。但在实际应用问题中也存在不少的问题，其中最主要的是，不同类型的病害外观差异显著，且病害之间可能发生重叠，加上光照强度变化、噪声、背景干扰等影响，这增加了桥梁多病害检测的难度。

综上所述，现有的机器视觉检测系统很难实现高效率高精度的桥梁多病害检测，急需一种基于机器视觉的桥梁表观病害快速检测方法，以实现高效率高精度的桥梁多病害的检测。

名词解释：

滑动窗口算法：通过设定的步长，在检测图片有序上滑动，依次选取感兴趣区域的一种算法。

自适应阈值算法：利用图像局部阈值替换全局阈值进行图像计算的一种方法。

块状病害检测网络：前文权利要求已说明，本专利提出的专用于块状病害检测的深度卷积神经网络模型。

裂缝病害检测网络：前文权利要求已说明，本专利提出的专用于裂缝病害检测的深度卷积神经网络模型。

Mask匀光算法：用于解决图像中不均匀光照现象的一种算法。

反差一致性处理：通过对影像的合理分块及自动统计标准均值和方差来实现单幅影像的匀光处理的一种算法。

反差拉伸运算：是一种点处理方法，通过对像元亮度值(又称灰度级或灰度值)的变换来实现对比度增强的算法。

特征金字塔：在单个特征图上，利用不同卷积核对特征进行多次并行采样，进而形成密集表示特征图的一种网络模块。

非线性激活函数：具体为Mish激活函数。

注意力模块：通过解耦特征之间空间相关性和通道相关性，对特征图中的有效信息进行增强的一种网络模块。

标准下采样模块：步长为2的3×3卷积核。

网络缩放：利用限定的系数对网络深度和网络宽度进行线性缩放的一种方法。

残差模块：从输入层直接引入一个跳跃连接到非线形层的输出上，形成输出的恒等映射的一种网络模块。