[发明专利]一种桥梁表面病害自动识别方法

权利要求书

1.一种桥梁表面病害自动识别方法，其特征在于，包括以下步骤：

S11)获取桥梁表面图像I并构建桥梁表面图像数据集，标注桥梁表面图像I所属的桥梁部位为标签L1，按桥梁部位标注桥梁表面病害类别及图像坐标信息为标签L2；

S12)将标签L1按比例随机划分为训练集和验证集，构建分类网络模型；将标签L2按桥梁部位，分别按比例随机划分为训练集和验证集，构建目标检测网络模型；训练集用于训练模型，验证集用于评估模型泛化能力；

S13)将桥梁表面图像I输入至训练好的分类网络模型，得到属于每一类桥梁部位的置信度，并将置信度最大值对应的桥梁部位作为桥梁表面图像I所在的桥梁部位；

S14)将桥梁表面图像I输入至所处桥梁部位的目标检测网络模型，输出预测的病害类别、类别置信度及图像坐标信息。

2.根据权利要求1所述的桥梁表面病害自动识别方法，其特征在于：在所述步骤S12)中，基于ResNeXt-50构建分类网络模型，基于YOLOv4构建目标检测网络模型。

3.根据权利要求1或2所述的桥梁表面病害自动识别方法，其特征在于：在所述步骤S11)中，所述桥梁部位包括但不限于栏杆、外沿、桥墩、桥底面和桥底座；所述桥梁表面病害类型包括但不限于部件缺失、剥落、空洞、裂缝、露筋、钢筋腐蚀；所述图像坐标信息为病害对应的矩形框坐标(x1，y1，x2，y2)。

4.根据权利要求3所述的桥梁表面病害自动识别方法，其特征在于，所述步骤S11)进一步包括：

S111)将桥梁表面图像I按其所属的桥梁部位进行标注并记为标签L1，将标签L1对应的栏杆、外沿、桥墩、桥底面及桥底座5个类别的ID分别设置为0、1、2、3、4；

S112)对每个桥梁部位的图像分别进行表面病害标注并记为标签L2，将标签L2对应的部件缺失、剥落、空洞、裂缝、露筋、钢筋腐蚀6个类别病害的ID分别设置为L1-0、L1-1、L1-2、L1-3、L1-4、L1-5，每个类别的病害包括一个矩形框标(x1，y1，x2，y2)，表示其在桥梁表面图像I中的位置信息。

5.根据权利要求1、2或4所述的桥梁表面病害自动识别方法，其特征在于，所述步骤S13)进一步包括：

将待检测的桥梁表面图像I输入所述分类网络模型，首先经过64个尺寸为7*7、步长为2的卷积核进行卷积运算，并输出112*112*64的特征图；然后经过1个尺寸为3*3、步长为2的池化核进行最大值池化运算，再依次进行3次输入为128维、输出为256维的ResNeXt块运算，并进行4次输入为256维、输出为512维的ResNeXt块运算，进行6次输入为512维、输出为1024维的ResNeXt块运算，进行3次输入为1024维、输出为2056维的ResNeXt块运算；最后经全局平均池化层gap、全连接层、分类器softmax输出每类桥梁部位的置信度conf(c0，c1，c2，c3，c4)，以及置信度conf中最大值对应的桥梁部位作为桥梁表面图像I所在的桥梁部位L。

6.根据权利要求5所述的桥梁表面病害自动识别方法，其特征在于，所述步骤S14)进一步包括：

S141)将桥梁表面图像I输入至桥梁部位L对应的目标检测网络模型，首先将桥梁表面图像I归一化为608*608*3的图像I₁；

S142)将图像I₁传入由CSPDarknet-53构成的骨干网后，首先经过由32个3*3的卷积核、批次归一化BN层以及mish激活函数组成的DarknetConv2D_BN_Mish模块，输出304*304*32的特征图；

S143)再经过一共5个输出维度分别为64、128、256、512、1024的CSP_Resblock_body，由最后3个CSP_Resblock_body分别输出第一尺度特征F₁(76*76*256)、第二尺度特征F₂(38*38*512)及第三尺度特征F₃(19*19*1024)。