[发明专利]基于深度学习及图像处理的室内墙面裂缝检测方法

说明书

本发明公开了一种基于深度学习及图像处理的室内墙面裂缝检测方法，涉及图像处理技术领域，该方法包括以下步骤：步骤1：构建裂缝图像分割模型，并在裂缝图像分割模型中引入跳层；步骤2：导入裂缝图像，并使用裂缝图像分割模型对裂缝图像进行裂缝区域的像素分割；步骤3：对分割后的裂缝图像进行像素长宽值的计算；步骤4：根据计算出来的像素长宽值换算出裂缝真实值。在本发明中，通过在裂缝图像分割模型中引入跳层，可以实现裂缝图像的细节分割的更为准确，从而实现检测精度高的功能。同时，本发明可以通过将裂缝图像进行像素长宽值的计算，进而到裂缝真实尺寸的换算，能够完成室内墙面裂缝的自动化检测任务，减少相关检测单位的人力成本。

技术领域

本发明属于图像处理技术领域，特别涉及一种基于深度学习及图像处理的室内墙面裂缝检测方法。

背景技术

出于安全、房屋装修等需要，经常需要对室内墙面进行检查，主要检查室内墙面是否存在裂缝。最原始的方法是人为进行检查，但是这样对于高层楼来说耗时耗力，并不现实，且人为反馈裂缝信息只能通过拍照，难免会反馈不够清楚。

随着技术的发展，都是通过摄像来获取图片信息，代替了大量的人力工作，基于摄像获取的图片信息，现有技术中也有采用结合深度学习及图像处理方法对裂缝进行自动化定量检测的有关技术，用来在一定程度上解决上述问题，适当减少人力，且提高精度。但是现有技术中往往应用语义分割神经网络模型对裂缝图像进行分割，以提取裂缝区域像素并进行后续的定量分析。这样还是会存在几个问题，一方面对裂缝真实尺寸的测量较为欠缺，往往只计算裂缝的像素尺寸，如像素长、宽值；另一方面，部分能对裂缝真实尺寸进行测量的技术需要人为贴上高精度标定物，还是需要较多的人工操作。

发明内容

为解决上述问题，本发明的首要目的在于提供一种基于深度学习及图像处理的室内墙面裂缝检测方法该方法检测精度高。

本发明的另一个目的在于提供一种基于深度学习及图像处理的室内墙面裂缝检测方法，该方法还可以通过裂缝图像求取裂缝的真实尺寸。

本发明的再一个目的在于提供一种基于深度学习及图像处理的室内墙面裂缝检测方法，还能够拼接裂缝，从而反映裂缝全局信息。

为实现上述目的，本发明的技术方案如下。

一种基于深度学习及图像处理的室内墙面裂缝检测方法，该方法包括以下步骤：

步骤1：构建裂缝图像分割模型，并在裂缝图像分割模型中引入跳层，以提高对裂缝图像的像素特征提取深度；

步骤2：导入裂缝图像，并使用裂缝图像分割模型对裂缝图像进行裂缝区域的像素分割；

步骤3：对分割后的裂缝图像进行像素长宽值的计算；

步骤4：根据计算出来的像素长宽值换算出裂缝真实值。

在本发明中，通过在裂缝图像分割模型中引入跳层，可以实现对图像细节信息的二次补充，使得裂缝图像的细节分割的更为准确，从而实现检测精度高的功能。同时，本发明可以通过将裂缝图像进行像素长宽值的计算，进而通过像素长宽值，进行到裂缝真实尺寸的换算，不仅可计算出裂缝的像素尺寸，还能够计算出裂缝的实际尺寸，能够较好地完成室内墙面裂缝的自动化检测任务，减少相关检测单位的人力成本，提升检测流程的效率，并给检测人员以及单位提供全面且实用的裂缝相关信息。

进一步的，该方法还包括步骤5：对裂缝图像进行拼接。本发明通过对裂缝图像进行拼接，可以反映裂缝全貌，优化裂缝检测流程的直观性，这也是当前相关技术所欠缺的一部分。