[发明专利]基于transformer的多级桥梁缺陷检测方法

权利要求书

1.一种基于transformer的多级桥梁缺陷检测方法，其特征在于，包括以下步骤：

S1、获取桥梁底部图像，建立桥梁图像数据集；

S2、对桥梁图像数据集进行数据清洗、降噪和增强处理，得到桥梁病害数据集；

S3、将桥梁病害数据集输入二分类网络，剔除正常类的图像数据，得到缺陷类的图像数据；

S4、将缺陷类的图像数据输入Transformer注意力机制的深度学习网络模型，得到不同缺陷类的检测结果。

2.根据权利要求1所述的基于transformer的多级桥梁缺陷检测方法，其特征在于，所述步骤S1具体为：

通过公路桥梁底部数据采集云台拍摄获取桥梁底部图像数据，并去除不清晰图像，得到桥梁底部图像；将桥梁底部图像通过随机算子进行处理，生成若干尺寸为256*256的桥梁图像数据，并将其作为桥梁图像数据集。

3.根据权利要求1所述的基于transformer的多级桥梁缺陷检测方法，其特征在于，所述步骤S2具体为：

对桥梁图像数据集中的桥梁图像数据进行匹配模型的数据清洗和降噪处理，对处理后的桥梁图像数据进行数据增强，并对数据增强后的桥梁图像数据进行随机的平移、旋转、翻转和镜像操作，生成若干桥梁病害图像，并将其作为桥梁病害数据集；

其中，所述桥梁病害数据集中桥梁病害图像的图像类别包括正常桥面、蜂窝麻面、裂缝、破损露筋、渗水和修补。

4.根据权利要求3所述的基于transformer的多级桥梁缺陷检测方法，其特征在于，所述步骤S3包括以下分步骤：

S31、设置桥梁病害数据集中桥梁病害图像的标签；

S32、将桥梁病害图像和桥梁病害图像的标签输入二分类网络，剔除正常类的图像数据，得到缺陷类的图像数据。

5.根据权利要求4所述的基于transformer的多级桥梁缺陷检测方法，其特征在于，所述步骤S31具体为：

将图像类别为正常桥面的桥梁病害图像的标签设置为0，并将其余图像类别的桥梁病害图像的标签设置为1；

所述步骤S32中，二分类网络包括依次连接的第一VGG层、第二VGG层、第三VGG层、第四VGG层和第五VGG层；所述第一VGG层、第二VGG层、第三VGG层、第四VGG层和第五VGG层均包括相互连接的卷积层子网络和池化层；其中，所述池化层具体为2×2池化窗口，其步幅为2；

所述第一VGG层和第二VGG层中卷积层子网络均包括两个相互连接的卷积层，所述卷积层的卷积核为3×3，填充为1；

所述第三VGG层、第四VGG层和第五VGG层中卷积层子网络均包括三个依次连接的卷积层，所述卷积层的卷积核为3×3，填充为1。

6.根据权利要求5所述的基于transformer的多级桥梁缺陷检测方法，其特征在于，所述S4具体为：

S41、将缺陷类的图像数据依次输入Transformer注意力机制的深度学习网络模型，得到具有加权关系的缺陷类特征图；

S42、将缺陷类特征图依次输入第一平均池化层、全连接层和第一softmax层，得到缺陷类特征图的全局依赖关系；

S43、根据缺陷类特征图中的全局依赖关系，得到缺陷类特征图对应缺陷类的图像数据缺陷分类结果。