【技术实现步骤摘要】
本公开涉及图像识别，具体地，涉及一种基于图像识别的钢管混凝土损伤检测方法。
技术介绍
1、钢管混凝土结构是一种常见的工程结构形式，通常用于桥梁、建筑物和其他基础设施中，这种结构由钢管和混凝土组合而成，具有较好的承载能力和耐久性。然而，随着时间的推移和外部环境的影响，钢管混凝土结构可能会出现各种损伤，如裂缝、腐蚀等，这些损伤可能会影响结构的安全性和稳定性。因此，对于钢管混凝土进行损伤检测对于确保工程结构安全和延长结构使用寿命至关重要。
2、然而，传统的钢管混凝土损伤检测方法主要依赖于人工目视检查和经验判断，人工目视检查容易受到个体主观因素的影响，不同的检测者可能会有不同的判断标准，导致检测结果的不一致性。并且，人工目视检查需要耗费大量的人工时间和人力资源，尤其是对于大型结构或需要频繁检测的结构，效率较低。此外，由于人工进行损伤检测的方式智能化程度较低，可能无法准确捕捉和评估结构中微小或隐蔽的损伤，容易出现漏检或误判情况，同时，也难以将损伤信息量化，无法提供准确的损伤程度评估和分类，缺乏客观性和标准化。
3、因此，期望一种基于图像识别的钢管混凝土损伤检测方案。
技术实现思路
1、提供该
技术实现思路
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该
技术实现思路
部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
2、第一方面，本公开提供了一种基于图像识别的钢管混凝土损伤检测方
3、获取由摄像头采集的被检测钢管混凝土的拍摄图像；
4、将所述被检测钢管混凝土的拍摄图像进行灰度化处理以得到灰度化钢管混凝土检测图像；
5、通过基于深度神经网络模型的钢管混凝土图像多尺度特征提取器对所述灰度化钢管混凝土检测图像进行特征提取以得到灰度化钢管混凝土浅层特征图和灰度化钢管混凝土语义特征图；
6、对所述灰度化钢管混凝土浅层特征图进行基于空间特征增强的多尺度特征感知以得到空间显化钢管混凝土浅层特征图，并对所述灰度化钢管混凝土语义特征图进行基于通道特征增强的多层内容感知以得到通道内容显化钢管混凝土语义特征图；
7、将所述空间显化钢管混凝土浅层特征图和所述通道内容显化钢管混凝土语义特征图通过基于注意力机制的语义特征转移模块以得到前景显著化表达钢管混凝土浅层特征图；
8、基于所述前景显著化表达钢管混凝土浅层特征图，确定所述被检测钢管混凝土的损伤程度等级标签。
9、可选地，通过基于深度神经网络模型的钢管混凝土图像多尺度特征提取器对所述灰度化钢管混凝土检测图像进行特征提取以得到灰度化钢管混凝土浅层特征图和灰度化钢管混凝土语义特征图，包括：将所述灰度化钢管混凝土检测图像通过基于金字塔模型的钢管混凝土图像多尺度特征提取器以得到所述灰度化钢管混凝土浅层特征图和所述灰度化钢管混凝土语义特征图。
10、可选地，对所述灰度化钢管混凝土浅层特征图进行基于空间特征增强的多尺度特征感知以得到空间显化钢管混凝土浅层特征图，并对所述灰度化钢管混凝土语义特征图进行基于通道特征增强的多层内容感知以得到通道内容显化钢管混凝土语义特征图，包括：将所述灰度化钢管混凝土浅层特征图通过基于泛空间注意力多尺度特征感知模块以得到所述空间显化钢管混凝土浅层特征图；将所述灰度化钢管混凝土语义特征图通过基于泛通道注意力的多层内容感知模块以得到所述通道内容显化钢管混凝土语义特征图。
11、可选地，将所述灰度化钢管混凝土浅层特征图通过基于泛空间注意力多尺度特征感知模块以得到所述空间显化钢管混凝土浅层特征图，包括：对所述灰度化钢管混凝土浅层特征图的多个通道进行全局均值池化处理以得到灰度化钢管混凝土浅层全局均值池化特征矩阵；对所述灰度化钢管混凝土浅层特征图的多个通道进行最大值池化处理以得到灰度化钢管混凝土浅层全局均值池化特征矩阵；对所述灰度化钢管混凝土浅层特征图的多个通道进行随机池化处理以得到灰度化钢管混凝土浅层随机池化特征矩阵；将所述灰度化钢管混凝土浅层全局均值池化特征矩阵、所述灰度化钢管混凝土浅层全局均值池化特征矩阵和所述灰度化钢管混凝土浅层随机池化特征矩阵进行拼接以得到拼接灰度化钢管混凝土浅层特征矩阵；对所述拼接灰度化钢管混凝土浅层特征矩阵进行卷积处理以得到拼接灰度化钢管混凝土浅层隐含关联特征矩阵；将所述拼接灰度化钢管混凝土浅层隐含关联特征矩阵输入sigmoid激活单元以得到拼接灰度化钢管混凝土空间注意力权重矩阵；将所述灰度化钢管混凝土浅层特征图中沿通道维度的各个特征矩阵与所述拼接灰度化钢管混凝土空间注意力权重矩阵进行按位置点乘以得到所述空间显化钢管混凝土浅层特征图。
12、可选地，将所述灰度化钢管混凝土语义特征图通过基于泛通道注意力的多层内容感知模块以得到所述通道内容显化钢管混凝土语义特征图，包括：对所述灰度化钢管混凝土语义特征图中沿通道维度的各个特征矩阵进行全局均值池化处理以得到灰度化钢管混凝土语义全局均值池化通道特征向量；对所述灰度化钢管混凝土语义特征图中沿通道维度的各个特征矩阵进行最大值池化处理以得到灰度化钢管混凝土语义全局最大值池化通道特征向量；对所述灰度化钢管混凝土语义特征图中沿通道维度的各个特征矩阵进行随机池化处理以得到灰度化钢管混凝土语义全局随机值池化通道特征向量；使用多层感知机模型分别对所述灰度化钢管混凝土语义全局均值池化通道特征向量、所述灰度化钢管混凝土语义全局最大值池化通道特征向量和所述灰度化钢管混凝土语义全局随机值池化通道特征向量进行通道压缩-扩张处理以得到多层感知灰度化钢管混凝土语义全局均值池化通道特征向量、多层感知灰度化钢管混凝土语义全局最大值池化通道特征向量和多层感知灰度化钢管混凝土语义全局随机值池化通道特征向量；计算所述多层感知灰度化钢管混凝土语义全局均值池化通道特征向量、所述多层感知灰度化钢管混凝土语义全局最大值池化通道特征向量和所述多层感知灰度化钢管混凝土语义全局随机值池化通道特征向量的按位置加和以得到全局多维度灰度化钢管混凝土语义通道特征向量；将所述全局多维度灰度化钢管混凝土语义通道特征向量输入sigmoid激活单元以得到灰度化钢管混凝土语义通道注意力权重特征向量；以所述灰度化钢管混凝土语义通道注意力权重特征向量中各个位置的特征值作为权重值，分别对所述灰度化钢管混凝土语义特征图的沿通道维度的各个相应的特征矩阵进行加权以得到所述通道内容显化钢管混凝土语义特征图。
13、可选地，使用多层感知机模型分别对所述灰度化钢管混凝土语义全局均值池化通道特征向量、所述灰度化钢管混凝土语义全局最大值池化通道特征向量和所述灰度化钢管混凝土语义全局随机值池化通道特征向量进行通道压缩-扩张处理以得到多层感知灰度化钢管混凝土语义全局均值池化通道特征向量、多层感知灰度化钢管混凝土语义全局最大值池化通道特征向量和多层感知灰度化钢管混凝土语义全局随机值池化通道特征向量，包括：使用第一权重矩阵分别对所述灰度化钢管混凝土语义全局均值池化通道本文档来自技高网...
【技术保护点】
1.一种基于图像识别的钢管混凝土损伤检测方法，其特征在于，包括：
2.根据权利要求1所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，通过基于深度神经网络模型的钢管混凝土图像多尺度特征提取器对所述灰度化钢管混凝土检测图像进行特征提取以得到灰度化钢管混凝土浅层特征图和灰度化钢管混凝土语义特征图，包括：将所述灰度化钢管混凝土检测图像通过基于金字塔模型的钢管混凝土图像多尺度特征提取器以得到所述灰度化钢管混凝土浅层特征图和所述灰度化钢管混凝土语义特征图。
3.根据权利要求2所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，对所述灰度化钢管混凝土浅层特征图进行基于空间特征增强的多尺度特征感知以得到空间显化钢管混凝土浅层特征图，并对所述灰度化钢管混凝土语义特征图进行基于通道特征增强的多层内容感知以得到通道内容显化钢管混凝土语义特征图，包括：
4.根据权利要求3所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，将所述灰度化钢管混凝土浅层特征图通过基于泛空间注意力多尺度特征感知模块以得到所述空间显化钢管混凝土浅层特征图，包括：
5
6.根据权利要求5所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，使用多层感知机模型分别对所述灰度化钢管混凝土语义全局均值池化通道特征向量、所述灰度化钢管混凝土语义全局最大值池化通道特征向量和所述灰度化钢管混凝土语义全局随机值池化通道特征向量进行通道压缩-扩张处理以得到多层感知灰度化钢管混凝土语义全局均值池化通道特征向量、多层感知灰度化钢管混凝土语义全局最大值池化通道特征向量和多层感知灰度化钢管混凝土语义全局随机值池化通道特征向量，包括：
7.根据权利要求6所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，将所述空间显化钢管混凝土浅层特征图和所述通道内容显化钢管混凝土语义特征图通过基于注意力机制的语义特征转移模块以得到前景显著化表达钢管混凝土浅层特征图，包括：
8.根据权利要求7所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，基于所述前景显著化表达钢管混凝土浅层特征图，确定所述被检测钢管混凝土的损伤程度等级标签，包括：将所述前景显著化表达钢管混凝土浅层特征图通过基于分类器的钢管混凝土损伤检测器以得到检测结果，所述检测结果用于表示所述被检测钢管混凝土的损伤程度等级标签。
9.根据权利要求8所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，还包括训练步骤：用于对所述基于金字塔模型的钢管混凝土图像多尺度特征提取器、所述基于泛空间注意力多尺度特征感知模块、所述基于泛通道注意力的多层内容感知模块、所述基于注意力机制的语义特征转移模块和所述基于分类器的钢管混凝土损伤检测器进行训练。
10.根据权利要求9所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，所述训练步骤，包括：
...【技术特征摘要】
1.一种基于图像识别的钢管混凝土损伤检测方法，其特征在于，包括：
2.根据权利要求1所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，通过基于深度神经网络模型的钢管混凝土图像多尺度特征提取器对所述灰度化钢管混凝土检测图像进行特征提取以得到灰度化钢管混凝土浅层特征图和灰度化钢管混凝土语义特征图，包括：将所述灰度化钢管混凝土检测图像通过基于金字塔模型的钢管混凝土图像多尺度特征提取器以得到所述灰度化钢管混凝土浅层特征图和所述灰度化钢管混凝土语义特征图。
3.根据权利要求2所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，对所述灰度化钢管混凝土浅层特征图进行基于空间特征增强的多尺度特征感知以得到空间显化钢管混凝土浅层特征图，并对所述灰度化钢管混凝土语义特征图进行基于通道特征增强的多层内容感知以得到通道内容显化钢管混凝土语义特征图，包括：
4.根据权利要求3所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，将所述灰度化钢管混凝土浅层特征图通过基于泛空间注意力多尺度特征感知模块以得到所述空间显化钢管混凝土浅层特征图，包括：
5.根据权利要求4所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，将所述灰度化钢管混凝土语义特征图通过基于泛通道注意力的多层内容感知模块以得到所述通道内容显化钢管混凝土语义特征图，包括：
6.根据权利要求5所述的基于图像识别的钢管混凝土损伤检测方法，其特征在于，使用多层感知机模型分别对所述灰度化钢管混凝土语义全局均值池...
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。