[发明专利]基于深度学习的混凝土裂缝识别系统及方法

权利要求书

1.一种基于深度学习的混凝土裂缝识别系统，其特征在于，包括：裂缝图像数据采集模块、图像数据处理模块和裂缝识别模块；

所述裂缝图像数据采集模块，用于采集获取混凝土表面裂缝图像并输出；

所述图像数据处理模块，连接所述裂缝图像数据采集模块，根据所获取的混凝土表面裂缝图像，对获取的图像进行识别预处理；

所述裂缝识别模块，利用基于剪枝先验框的改进SSD算法模型对裂缝的图像进行识别，对裂缝进行标识，并将结果进行储存。

2.根据权利要求1所述的基于深度学习的混凝土裂缝识别系统，其特征在于，

所述裂缝图像数据采集模块，包括：拍摄平台、高速SD存储卡、服务器和数据库；

在确定检测目标后，即可通过所述拍摄平台对目标区域进行图像采集，通过提前设置好预处理和识别系统的图像提取路径，实现对上传到电脑的图像进行实时识别并将图像自动传输至所述服务器。

3.根据权利要求2所述的基于深度学习的混凝土裂缝识别系统，其特征在于，

所述拍摄平台，采用无人机系统、普通智能手机和单反相机中的至少一种为载体。

4.根据权利要求1所述的基于深度学习的混凝土裂缝识别系统，其特征在于，

所述图像数据处理模块，通过图像灰度化及修正，图像滤波处理和裂缝标记定位，对获取的图像数据进行预处理，以加快识别的收敛速度；

所述图像灰度化及修正中将图像像素的R、G、B分量采用分量法规则转化为三者相等的形式，进行图像灰度化；通过对灰度化的图像进行直方图均衡化可以对灰度进行再分配，使灰度值均匀地分布于灰度区间内，通过线性和非线性拉伸的灰度变换对图像进行拉伸处理，对图像进行灰度化修正；

所述图像滤波处理，采用中值滤波方法，选取像素点邻近所有像素点灰度值的中值作为该点滤波处理后的像素值，从而消除在图像中孤立的噪点；

所述裂缝标记定位，采用LabelImg工具进行标记，先在图像中标记出目标位置，后转换为XML格式的文件，再传输到深度学习算法框架中进行识别。

5.根据权利要求1所述的基于深度学习的混凝土裂缝识别系统，其特征在于，

所述裂缝数据识别模块，采用基于剪枝先验框的改进SSD算法建立的混凝土裂缝识别模型，通过将图像传输到服务器后，即可利用训练好的模型进行识别，并将识别出的裂缝及其分析内容回传至智能端，同时将信息传输入数据库进行备份。

6.一种基于深度学习的混凝土裂缝识别方法，包括如下步骤：

S1、采集裂缝图像；

S2、对S1采集的裂缝图像进行预处理；

S3、采用基于剪枝先验框的改进SSD算法建立的混凝土裂缝识别模型，对图像进行识别检测后，得到所述裂缝的识别结果。