[发明专利]基于深度学习的钢筋混凝土构件表面裂缝的快速识别方法

说明书

本发明公开了一种基于深度学习的钢筋混凝土构件表面裂缝的快速识别方法，涉及钢筋混凝土技术领域，本发明将基于深度学习理论的图像处理法与钢筋混凝土构件表面裂缝识别相融合，基于语义分割模型DeeplabV3+，在Deeplab算法的基础上引入Encoder‑Decoder结构，并且对像素进行分割预测，可在预测结果图上更加精确地显示识别结果，同时引入准确率Accuracy、交并比IoU和F1‑score指标评价体系。

技术领域：

本发明涉及钢筋混凝土技术领域，具体涉及一种基于深度学习的钢筋混凝土构件表面裂缝的快速识别方法。

背景技术：

混凝土构件的裂缝是结构损伤评估中的一个重要特征，在利用裂缝图像数据评估裂缝对结构的损伤程度之前需要对裂缝进行识别，由于混凝土结构所处环境复杂多变，采集图像过程中也会掺入许多干扰项，如污点、光照等，因此使用传统的图像处理法识别裂缝时有诸多限制。而对于深度学习来说，利用足够多的数据集可以尽可能的减少干扰项，因此本发明基于深度学习算法对混凝土构件表面的裂缝进行识别。

目前，利用深度学习技术识别混凝土构件表面损伤的研究越来越多。有学者利用语义分割网络DeepLabV3+、ConvNet神经网络、经改进的GoogLeNet的卷积神经网络等方法对钢筋混凝土桥梁或道路的裂缝识别进行研究，有的研究准确度高达97.95％。有关钢筋混凝土既有构件中的裂缝识别技术已经较多，但是所识别的裂缝通常具有非连续性，且识别范围较小，有待进一步完善。

为了解决这一问题，本发明提出了一种将DeepLab V3+网络应用于钢筋混凝土构件表面裂缝的快速识别方法。在目前的工作中，首先采用智能手机获取图像，对图像进行数据标记和划分；然后对预处理后的图像数据集进行训练和验证，得到裂缝分割图。在此基础上，对比选取的两组深度学习模型SegNet和U-Net。结果表明，该方法的识别更准确高效。

发明内容：

为了能够更加高效、准确地识别钢筋混凝土构件表面的裂缝，并将其应用于钢筋混凝土既有构件表面损伤的研究，本发明提供了一种基于DeepLab V3+网络的钢筋混凝土构件表面裂缝的图像分割和快速识别方法。

本发明所要解决的技术问题采用以下的技术方案来实现：

基于深度学习的钢筋混凝土构件表面裂缝的快速识别方法，包括以下步骤：

步骤一、裂缝图像数据集获取及其预处理：

(1)采集裂缝原始图像；

(2)采用PS软件对原始图像中裂缝进行标记，并添加标签；

(3)将原始图像裁剪为像素大小一致的小图像，增加样本数量，并去除不含目标裂缝的图像，确定训练集、验证集和测试集的数量；

步骤二、深度学习网络模型的构建：

(1)选择DeeplabV3+语义分割模型建立框架；

(2)原始图像输入到Deeplab V3+模型的Encoder结构中，期间其主干网络Xception会从图像中抓取一个高尺度的特征图引入Decoder结构中，以提供边缘特性；另外经过一个1×1卷积核降维后，将降维后的特征图引入Decoder结构中，特征图在Decoder结构中与边缘特征进行融合，最后上采样到原始图像大小；

(3)将得到的计算结果与标签图像进行比较，分析计算误差后采用反向传播算法对网络中的权重进行优化，最终经过多次训练迭代得到最优化权重；

步骤三、模型结果验证与分析：

(1)模型采用DeeplabV3+语义分割算法，基于最佳初始学习率，对验证集进行结果预测，并采用准确率ACC、交并比IoU和F1-score三个指标来评价模型的预测效果；