【技术实现步骤摘要】
本专利技术涉及桥梁裂缝检测，具体为一种基于yolo算法的桥梁裂缝检测方法、系统及存储介质。
技术介绍
1、随着桥梁在交通运输系统中发挥着越来越重要的作用，桥梁的运维管理成为保证其安全性和耐久性的关键。然而，桥梁运维工作面临着多重挑战，其中裂缝检测，尤为重要。不仅影响桥梁的结构性能和使用寿命，还关系到行车和行人的安全。
2、桥梁在长期的使用过程中，受到车辆荷载和环境腐蚀等多种因素的影响，容易出现裂缝。这些裂缝如果不能及时检测和修复，可能会逐渐扩展，最终导致桥梁结构的整体失效，传统的裂缝检测方法主要依赖于人工检测和简单的传感器技术，效率低下且易于漏检。近年来，计算机视觉(cv)技术在裂缝检测中的应用逐渐兴起，利用高清摄像头和图像处理算法，可以快速、准确地识别和评估桥梁表面的裂缝情况。
3、现有技术中的，公开号为cn118196026a公开了一种桥梁裂缝检测方法及系统，包括：通过深度相机拍摄桥梁的图像，将所述桥梁的图像转化为灰度图，生成桥梁数据集；将所述桥梁数据集进行处理，获得处理数据集；构建卷积神经网络和长短时记忆网络，将所述长短时记忆网络的输出作为软标签对所述卷积神经网络进行训练，获得视觉检测模型；将所述处理数据集输入至所述视觉检测模型中进行计算，获得裂缝检测结果。本专利技术中长短时记忆网络可以对序列数据进行编码并提取出抽象的特征表示，将长短时记忆网络的输出作为卷积神经网络模型的输入，可以为卷积神经网络模型提供更加丰富和高层次的特征表示，有助于提高对裂缝的有效识别和区分能力。
4、但是还存在如下
5、在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术的目的在于提供一种基于yolo算法的桥梁裂缝检测方法、系统及存储介质，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于yolo算法的桥梁裂缝检测方法，具体步骤包括：
4、s1.采集桥梁裂缝区域的图像，将图像转为灰度图像，使用yolo算法对灰度图像进行检测，获取裂缝的信息和边界框信息，裂缝的信息包括起点坐标、终点坐标及中心坐标，边界框信息包括中心坐标、宽度和高度，将灰度图像划分为若干网格单元，计算每个网格单元的边界坐标，并将检测到的裂缝划分到对应的网格单元中，遍历所有网格单元，为每个网格单元添加裂缝边界框，并保存裂缝边界框的图像；
5、s2.根据图像中的裂缝边界框的中心坐标、宽度和高度，获取裂缝边界框的四个边界，根据裂缝边界框的四个边界，确定裂缝边界框的起点坐标和终点坐标，依据裂缝的中心坐标、起点坐标、终点坐标和裂缝边界框的中心坐标、起点坐标和终点坐标，确定裂缝和边界框的位置关系；
6、s3.根据裂缝和边界框的位置关系，确定图像中裂缝的数量和尺寸，当裂缝和裂缝边界框的中心坐标、起点坐标和终点坐标均一致时，使用原有的裂缝边界框，获取第一裂缝边界框，当裂缝的起点坐标和终点坐标在裂缝边界框的起点坐标和终点坐标之间，在带有裂缝边界框的图像上绘制新的裂缝边界框，获取第二裂缝边界框，当裂缝的起点坐标和终点坐标在裂缝边界框的起点坐标和终点坐标之外，在带有裂缝边界框的图像上绘制新的裂缝边界框，获取第三裂缝边界框；
7、s4.根据第一裂缝边界框、第二裂缝边界框及第三裂缝边界框，获取第一裂缝边界框、第二裂缝边界框及第三裂缝边界框的起点坐标和终点坐标，并根据起点坐标和终点坐标获取网格单元裂缝的总密度，根据第一裂缝边界框、第二裂缝边界框及第三裂缝边界框，分别获取裂缝的长度和宽度，并根据裂缝的长度和宽度，获取裂缝的总面积，将裂缝的密度和裂缝的总面积进行数据处理，获取裂缝的综合系数；
8、s5.将裂缝的综合系数和预设的综合系数阈值进行比较，判断裂缝的严重程度。
9、进一步地，采集桥梁裂缝区域的图像，将图像转为灰度图像，使用yolo算法对灰度图像进行检测，获取裂缝的信息和边界框信息，裂缝的信息包括起点坐标、终点坐标及中心坐标，边界框信息包括中心坐标、宽度和高度的过程如下：
10、使用深度相机采集桥梁裂缝区域的图像，得到原始图像iorig,将采集到的原始图像转换为灰度图像，依据的公式如下：
11、igray＝0.299·ir+0.587·ig+0.114·ib
12、其中，igray为灰度图像，ir、ig、ib分别是原始图像的红色、绿色和蓝色通道的像素值；
13、假设输入图像尺寸为wt×ht，yolo算法将图像分成s×s的网格，则获取每个网格单元的尺寸，依据如下的公式：
14、
15、
16、其中，wt’为每个网格单元的宽度，h’t为每个网格单元的高度，s为网格的数量，即每一行和每一列的网格数量，wt为图像的宽度，ht为图像的高度；
17、每个网格单元预测k个边界框，对于第(i,j)个网格单元，预测的第m个边界框的信息，m的取值范围为1，2，...，m，k，m为边界框的索引，k为边界框的数量，边界框的信息包括：中心坐标(xbox_center，ybox_center)、宽度wbox、高度hbox；
18、根据每个网格单元的预测值，计算边界框中心坐标：
19、
20、其中，i为当前网格单元的列索引，j为当前网格单元的行索引，tx为网格单元内边界框中心点在x轴上的偏移量，ty为网格单元内边界框中心点在y轴上的偏移量，σ为sigmoid函数，定义为
21、根据每个网格单元的预测值，边界框宽度wbox和高度hbox：
22、wbox＝wt·etw
23、hbox＝ht·eth
24、其中，tw为边界框宽度的相对尺度因子，th为边界框高度的相对尺度因子；
25、利用yolo算法检测每个裂缝的起点坐标、终点坐标和中心坐标，
26、裂缝的中心坐标即为预测的边界框的中心坐标：
27、(xcenter，ycenter)＝(xbox_center，ybox_center)
28、xstart＝xbox_center-wbox/2
29、ystart＝ybox_center-hbox/2
30、xend＝xbox_center+wbox/2
31、yend＝ybox_center+hbox/2
32、则裂缝的起点坐标、终点坐标为(xbox_center-wbox/2，ybox_cen本文档来自技高网...
【技术保护点】
1.一种基于YOLO算法的桥梁裂缝检测方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的基于YOLO算法的桥梁裂缝检测方法，其特征在于：采集桥梁裂缝区域的图像，将图像转为灰度图像，使用YOLO算法对灰度图像进行检测，获取裂缝的信息和边界框信息，裂缝的信息包括起点坐标、终点坐标及中心坐标，边界框信息包括中心坐标、宽度和高度的过程如下：
3.根据权利要求2所述的基于YOLO算法的桥梁裂缝检测方法，其特征在于：计算每个网格单元的边界坐标，并将检测到的裂缝划分到对应的网格单元中，遍历所有网格单元，为每个网格单元添加裂缝边界框，并保存裂缝边界框的图像的过程如下：
4.根据权利要求3所述的基于YOLO算法的桥梁裂缝检测方法，其特征在于：依据裂缝的中心坐标、起点坐标、终点坐标和裂缝边界框的中心坐标、起点坐标和终点坐标，确定裂缝和边界框的位置关系的过程如下：
5.根据权利要求4所述的基于YOLO算法的桥梁裂缝检测方法，其特征在于：步骤S3的具体过程如下：
6.根据权利要求5所述的基于YOLO算法的桥梁裂缝检测方法，其特征在于：根
7.根据权利要求6所述的基于YOLO算法的桥梁裂缝检测方法，其特征在于：根据第一裂缝边界框、第二裂缝边界框及第三裂缝边界框，分别获取裂缝的长度和宽度，并根据裂缝的长度和宽度，获取裂缝的总面积的过程如下：
8.根据权利要求7所述的基于YOLO算法的桥梁裂缝检测方法，其特征在于：将裂缝的密度和裂缝的面积尺寸进行数据处理，获取裂缝的综合系数XS，依据的公式如下：
9.一种基于YOLO算法的桥梁裂缝检测系统，所述系统用于执行权利要求1-8任一所述的一种基于YOLO算法的桥梁裂缝检测方法，其特征在于：包括：
10.一种存储介质，其特征在于：用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8任一所述的一种基于YOLO算法的桥梁裂缝检测方法。
...【技术特征摘要】
1.一种基于yolo算法的桥梁裂缝检测方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的基于yolo算法的桥梁裂缝检测方法，其特征在于：采集桥梁裂缝区域的图像，将图像转为灰度图像，使用yolo算法对灰度图像进行检测，获取裂缝的信息和边界框信息，裂缝的信息包括起点坐标、终点坐标及中心坐标，边界框信息包括中心坐标、宽度和高度的过程如下：
3.根据权利要求2所述的基于yolo算法的桥梁裂缝检测方法，其特征在于：计算每个网格单元的边界坐标，并将检测到的裂缝划分到对应的网格单元中，遍历所有网格单元，为每个网格单元添加裂缝边界框，并保存裂缝边界框的图像的过程如下：
4.根据权利要求3所述的基于yolo算法的桥梁裂缝检测方法，其特征在于：依据裂缝的中心坐标、起点坐标、终点坐标和裂缝边界框的中心坐标、起点坐标和终点坐标，确定裂缝和边界框的位置关系的过程如下：
5.根据权利要求4所述的基于yolo算法的桥梁裂缝检测方法，其特征在于：步骤s3的具体过程如下...
【专利技术属性】
技术研发人员：冀伟，熊志，雒珂，杲斐，朱天祥，蔡成曦，张翔奕，谢江，
申请(专利权)人：兰州交通大学，
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。