[发明专利]一种桥梁表面病害自动识别方法

说明书

本发明公开了一种桥梁表面病害自动识别方法，获取桥梁表面图像，标注桥梁表面图像所属桥梁部位为标签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。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。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桥梁部位作为桥梁表面图像所在桥梁部位。将桥梁表面图像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。本发明能解决现有桥梁病害识别装置支持病害种类单一、准确率不高的技术问题。

技术领域

本发明涉及轨道工程机械技术领域，尤其是应用于桥梁表面病害检测的自动识别方法。

背景技术

桥梁在服役过程中，其表面难免出现裂缝、露筋、蜂窝麻面等病害。这些病害的存在使桥梁存在安全隐患。对桥梁表面进行定期检测，以便及时发现病害并判断病害的危险等级，是监控桥梁健康状态的有效手段，直接关系到铁路、公路的运营安全。传统的桥梁病害检测方法是检测人员使用望远镜远距离观察桥底病害，或通过搭建的桥底观测平台近距离观察桥底病害。现有技术采用检测人员手动记录病害的尺寸信息，主观性强、可靠性低、危险性高。

近年来，国内外开展了许多基于机器视觉的桥梁病害检测方法研究，并取得了较好的效果。如：现有技术1公开号为CN109064449A的中国发明申请，公开了一种基于模型剪枝的桥梁病害实时检测方法。该发明包括以下步骤：S1、采集桥梁表面病害样本，使用深度学习算法对样本进行训练学习，获得病害语义分割网络模型；S2、根据所述病害语义分割网络模型对病害图像进行分割，并将分割后图像转化为二值化图像；S3、计算识别单幅二值化图像的8连通区域，然后计算二值化图像中每个连通区域的面积；S4、对所有病害分割图像转化的二值化图像依次进行步骤S3计算，合并计算结果输出为病害检测结果。该发明便于获得各类病害区域的数目、面积、病害总面积和病害最大面积等指标，较现有技术提升了对桥梁病害的检测准确度和全面度。在提高桥梁病害实时识别效率的同时，降低了识别模型的运算成本。但是，该方法无法区分不同类别的病害，且剪枝的同时也降低了病害检测的准确率和精度。

又如：现有技术2公开号为CN110222701A的中国发明申请，公开了一种桥梁病害自动识别方法。该发明包括如下步骤：S1：构建桥梁病害检测数据集；S2：将数据集划分为训练集和测试集；S3：基于卷积神经网络SSD构建桥梁病害的目标检测模型；并对S3中的构建的桥梁病害的目标检测模型进行训练，对训练后的桥梁病害的目标检测模型进行评估，如通过了评估标准，则将待检测的带有病害的桥梁图像输入更新参数后的目标检测模型，通过特征融合确定最终的病害位置、种类及尺寸。该发明可以自动检测出桥梁病害的位置、种类及尺寸，提高了检测精度以及效率。但是，该方法将图像缩放至300*300*3作为模型输入，通过基于卷积神经网络SSD构建桥梁病害的目标检测模型输出病害类型及图像坐标，在图像缩放为300*300大小时，易丢失尺寸较小的病害信息，且易受不同桥梁部位图片的干扰，例如：当正常的桥梁栏杆局部与外沿特征相近时，存在一定的概率被误识别成病害。

发明内容

有鉴于此，本发明的目的在于提供一种桥梁表面病害自动识别方法，以解决现有桥梁病害识别方法支持病害种类单一、准确率不高的技术问题。

为了实现上述发明目的，本发明具体提供了一种桥梁表面病害自动识别方法的技术实现方案，桥梁表面病害自动识别方法，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。