System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能的图像处理,尤其涉及一种桥梁裂缝检测方法、装置、计算机设备及存储介质。
技术介绍
1、随着城市化进程的加快,桥梁建设越来越成为现代化城市建设的重要组成部分。然而,随着桥梁使用年限的不断增长,桥梁的裂缝问题也越来越突出。桥梁裂缝的出现不仅会影响桥梁的使用寿命,还会对行车安全造成威胁。因此,桥梁裂缝检测技术的研究和应用变得尤为重要。目前,国内外对桥梁裂缝检测技术的研究已经取得了一定的进展。国内主要采用视觉检测、激光扫描、超声波检测等技术对桥梁裂缝进行检测。相比之下,国外对桥梁裂缝检测技术的研究更加深入和广泛。除了视觉检测、激光扫描、超声波检测等传统技术外,国外还研发了一系列新型检测技术,如红外成像技术、电磁感应技术、微波成像技术等。
2、近年来,基于图像的裂缝检测在无损检测领域受到越来越多的关注。图像分割检测的主要优点是利用计算机视觉和图像处理技术对物体表面上得到裂缝进行自动化识别和定位,与传统的人工检测方法相比,能够提高检测精度和效率,节省大量人力物力。其中,在深度卷积神经网络(deep convolutional neural networks, dcnn)被提出后,在解决许多计算机视觉问题上,如图像识别、目标检测、语义图像分割等,已经得到了广泛应用,大量的实践表明基于图像的裂缝检测优于传统的裂缝检测方法。卷积神经网络是一种基于人工智能和机器学习的技术,可以对图像进行自动化的分类、识别和分割等操作。在混凝土裂缝检测领域中,卷积神经网络也得到了广泛的应用。
3、然而,申请人发现,传统基于图
技术实现思路
1、本申请实施例的目的在于提出一种桥梁裂缝检测方法、装置、计算机设备及存储介质,以解决将基于图像的裂缝检测技术应用到混凝土裂缝检测中。
2、为了解决上述技术问题,本申请实施例提供一种桥梁裂缝检测方法,采用了如下所述的技术方案:
3、接收用户终端发送的原始桥梁图片;
4、调用训练好的unet++模型,将所述原始桥梁图片输入至所述训练好的unet++模型进行裂缝分割操作,得到裂缝二值图,其中,所述unet++模型结合了通道注意力模块以及空间注意力模块;
5、根据图像形态学算法以及骨架化算法对所述裂缝二值图进行去噪操作,得到去噪二值图;
6、根据骨架化算法对所述去噪二值图进行骨架提取操作,得到裂缝骨架数据;
7、根据裂缝几何参数计算方法对所述裂缝骨架数据进行裂缝参数计算操作,得到裂缝计算结果;
8、向所述用户终端输出所述裂缝计算结果。
9、进一步的,所述根据图像形态学算法以及骨架化算法对所述裂缝二值图进行去噪操作,得到去噪二值图的步骤之后,具体包括下述步骤:
10、对所述裂缝二值图进行腐蚀操作,得到腐蚀二值图;
11、对所述腐蚀二值图进行膨胀操作,得到所述去噪二值图。
12、进一步的,所述根据骨架化算法对所述去噪二值图进行骨架提取操作,得到裂缝骨架数据的步骤,具体包括下述步骤:
13、根据最大内切球直径的方法逼近所述裂缝二值图中的裂缝形状,使得每个所述最大内切球必须至少与裂缝边缘有两点接触;
14、当遍历完所述裂缝二值图中的裂缝后,得到所有最大内切球的球心数据集;
15、将所述球心数据集作为所述裂缝二值图中的裂缝骨架数据。
16、进一步的,所述裂缝计算结果包括裂缝长度,所述根据裂缝几何参数计算方法对所述裂缝骨架数据进行裂缝参数计算操作,得到裂缝计算结果的步骤,具体包括下述步骤:
17、根据微分法对所述裂缝骨架数据进行分割处理,得到n个骨架分支节点,其中,n为大于等于1的整数;
18、分别计算相邻的所述骨架分支节点的直线距离,得到n-1个距离数据;
19、对所述n-1个距离数据进行求和,得到所述裂缝计算结果的裂缝长度。
20、进一步的,所述裂缝计算结果包括平均裂缝宽度,所述根据裂缝几何参数计算方法对所述裂缝骨架数据进行裂缝参数计算操作,得到裂缝计算结果的步骤,具体包括下述步骤:
21、根据微分法对所述裂缝骨架数据进行分割处理,得到m个骨架分支节点,其中,m为大于等于1的整数;
22、根据kd-tree算法以及奇异值分解计算所述m个骨架分支节点的法向量,以及所述法向量延长至所述裂缝骨架数据裂缝边缘的第一相交点以及第二相交点;
23、计算每个骨架分支节点分别与所述第一相交点以及所述第二相交点的第一宽度距离以及第二宽度距离,并对所述第一宽度距离以及所述第二宽度距离进行求和,得到每个骨架分支节点的裂缝宽度;
24、计算所有骨架分支节点的裂缝宽度的平均值,得到所述裂缝计算结果的平均裂缝宽度。
25、为了解决上述技术问题,本申请实施例还提供一种桥梁裂缝检测装置,采用了如下所述的技术方案:
26、图片获取模块,用于接收用户终端发送的原始桥梁图片;
27、裂缝分割模块,用于调用训练好的unet++模型,将所述原始桥梁图片输入至所述训练好的unet++模型进行裂缝分割操作,得到裂缝二值图,其中,所述unet++模型结合了通道注意力模块以及空间注意力模块;
28、去噪模块,用于根据图像形态学算法以及骨架化算法对所述裂缝二值图进行去噪操作,得到去噪二值图;
29、骨架提取模块,用于根据骨架化算法对所述去噪二值图进行骨架提取操作,得到裂缝骨架数据;
30、参数计算模块,用于根据裂缝几何参数计算方法对所述裂缝骨架数据进行裂缝参数计算操作,得到裂缝计算结果;
31、结果输出模块,用于向所述用户终端输出所述裂缝计算结果。
32、进一步的,所述去噪模块包括:
33、腐蚀子模块,用于对所述裂缝二值图进行腐蚀操作,得到腐蚀二值图;
34、膨胀子模块,用于对所述腐蚀二值图进行膨胀操作,得到所述去噪二值图。
35、进一步的,所述骨架提取模块包括:
36、最大内切球子模块,用于根据最大内切球直径的方法逼近所述裂缝二值图中的裂缝形状,使得每个所述最大内切球必须至少与裂缝边缘有两点接触;
37、球心数据获取子模块,用于当遍历完所述裂缝二值图中的裂缝后,得到所有最大内切球的球心数据集;
38、骨架提取子模块,用于将所述球心数据集作为所述裂缝二值图中的裂缝骨架数据。
39、为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
40、包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上所述的桥梁裂缝检测方法的步骤。
41、为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技本文档来自技高网...
【技术保护点】
1.一种桥梁裂缝检测方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的桥梁裂缝检测方法,其特征在于,所述根据图像形态学算法以及骨架化算法对所述裂缝二值图进行去噪操作,得到去噪二值图的步骤之后,具体包括下述步骤:
3.根据权利要求1所述的桥梁裂缝检测方法,其特征在于,所述根据骨架化算法对所述去噪二值图进行骨架提取操作,得到裂缝骨架数据的步骤,具体包括下述步骤:
4.根据权利要求1所述的桥梁裂缝检测方法,其特征在于,所述裂缝计算结果包括裂缝长度,所述根据裂缝几何参数计算方法对所述裂缝骨架数据进行裂缝参数计算操作,得到裂缝计算结果的步骤,具体包括下述步骤:
5.根据权利要求1所述的桥梁裂缝检测方法,其特征在于,所述裂缝计算结果包括平均裂缝宽度,所述根据裂缝几何参数计算方法对所述裂缝骨架数据进行裂缝参数计算操作,得到裂缝计算结果的步骤,具体包括下述步骤:
6.一种桥梁裂缝检测装置,其特征在于,包括:
7.根据权利要求6所述的桥梁裂缝检测装置,其特征在于,所述去噪模块包括:
8.根据权利要求6所述的
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至5中任一项所述的桥梁裂缝检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至5中任一项所述的桥梁裂缝检测方法的步骤。
...【技术特征摘要】
1.一种桥梁裂缝检测方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的桥梁裂缝检测方法,其特征在于,所述根据图像形态学算法以及骨架化算法对所述裂缝二值图进行去噪操作,得到去噪二值图的步骤之后,具体包括下述步骤:
3.根据权利要求1所述的桥梁裂缝检测方法,其特征在于,所述根据骨架化算法对所述去噪二值图进行骨架提取操作,得到裂缝骨架数据的步骤,具体包括下述步骤:
4.根据权利要求1所述的桥梁裂缝检测方法,其特征在于,所述裂缝计算结果包括裂缝长度,所述根据裂缝几何参数计算方法对所述裂缝骨架数据进行裂缝参数计算操作,得到裂缝计算结果的步骤,具体包括下述步骤:
5.根据权利要求1所述的桥梁裂缝检测方法,其特征在于,所述裂缝计算结果包括平均裂缝宽度,所述根据...
【专利技术属性】
技术研发人员:苏会锋,郭铖,韩涛,李传夫,王翔,赵雨珊,李超然,
申请(专利权)人:山东科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。