【技术实现步骤摘要】
本专利技术涉及建筑工程领域，尤其涉及基于图像处理技术的土木工程结构缺陷检测方法及系统。
技术介绍
1、在现代建筑工程领域，土木工程结构的安全性和稳定性至关重要。尤其是混凝土建筑的裂缝检测，由于裂缝的存在可能影响结构完整性，增加建筑风险，因此对土木工程结构裂缝的早期检测和评估尤为重要。基于图像处理技术的土木工程结构缺陷检测，已成为现有技术中的主要手段之一。然而，现有技术(中国专利技术专利，公开号：cn118379270a)如ca显著性检测算法存在精度不足的局限性，其依赖像素灰度差异和距离进行判断，未能有效处理建筑表面复杂纹理导致的误差。此外，多尺度层显著性计算时，权重分配不合理，且图像降采样过程中信息丢失，进一步导致检测精度降低。这些技术缺陷使得现有方法在处理复杂建筑环境中表现不佳，难以满足高精度检测的需求。
技术实现思路
1、针对上述现有技术存在的诸多问题，本专利技术提供基于图像处理技术的土木工程结构缺陷检测方法及系统，本专利技术通过生成对抗网络和自适应动态权重三维重建技术，处理建筑裂缝的多模态数据，包括可见光图像、热成像和声波反射数据，生成三维裂缝模型数据并评估裂缝的复杂性和风险等级，提供更精确的检测结果。通过裂缝深度、宽度和复杂性指数的综合分析，有效提升了检测的准确性和效率。
2、一种基于图像处理技术的土木工程结构缺陷检测方法，包括以下步骤：
3、采集土木工程结构的可见光图像数据、热成像数据和声波反射数据，并对采集的数据进行去噪和归一化预处理，生成裂缝边
4、通过生成对抗网络对裂缝边缘数据、温度异常区域数据和内部缺陷位置数据进行处理，生成模拟裂缝的视觉形态数据、温度特征数据和声波特征数据，并通过形态匹配算法和反向推理生成裂缝匹配度数据；
5、基于裂缝匹配度数据，采用自适应动态权重三维重建技术，结合视觉形态数据、温度特征数据和声波特征数据生成三维裂缝模型数据，并利用三维裂缝模型数据估算裂缝的深度和宽度，生成裂缝深度数据和裂缝宽度数据；
6、根据裂缝深度数据、裂缝宽度数据、三维裂缝模型数据，以及温度特征数据和声波特征数据，计算裂缝复杂性指数，评估裂缝的风险等级，生成裂缝风险等级数据，并标识优先处理的裂缝区域。
7、优选的，数据的所述预处理包括：
8、对所述可见光图像数据进行去噪处理，采用双边滤波算法进行图像去噪，保留裂缝边缘的锐利特征；
9、对所述热成像数据进行温度归一化操作，通过线性映射调整温度值的分布；
10、对所述声波反射数据进行去噪处理，利用时延差异计算剔除环境噪声的干扰，生成用于识别土木工程结构内部缺陷的声波特征信号。
11、优选的，所述生成对抗网络的训练过程包括：
12、所述生成器通过裂缝边缘数据、温度异常区域数据和内部缺陷位置数据生成模拟裂缝的视觉形态数据、模拟裂缝的温度特征数据和模拟裂缝的声波特征数据；
13、所述判别器用于判别生成的模拟裂缝数据与实际裂缝数据的匹配度，所述生成器和所述判别器通过损失函数的优化进行交互训练，使生成的模拟裂缝数据与实际裂缝数据之间的差异逐步减小。
14、优选的，裂缝匹配度数据通过以下公式计算：
15、m＝α·vm+β·tm+γ·sm
16、其中，m表示裂缝匹配度；vm表示视觉形态匹配度；tm表示温度特征匹配度；sm表示声波特征匹配度；α、β、γ分别为视觉形态、温度特征和声波特征的权重系数，权重系数依据实际裂缝特征的置信度进行动态调整。
17、优选的，所述自适应动态权重三维重建包括：
18、初始化各模态数据的权重参数；
19、利用sift特征点匹配算法提取裂缝在不同视角下的关键点，生成裂缝的初步三维点云；
20、根据温度特征数据和声波特征数据动态调整裂缝的深度和宽度参数，生成优化后的三维裂缝模型数据。
21、优选的，所述裂缝深度估算通过卷积神经网络进行，其中输入优化后的三维裂缝模型数据，按不同深度层进行分段处理，并逐层计算裂缝的深度变化，生成裂缝深度数据。
22、优选的，裂缝宽度通过分析三维裂缝模型的横截面形态进行估算，生成裂缝宽度数据，确保不同截面上的宽度均得到准确测量。
23、优选的，裂缝复杂性指数通过以下公式计算：
24、
25、其中，c表示裂缝复杂性指数；l表示裂缝长度；d表示裂缝深度；b表示裂缝的分支数；s表示裂缝的形态复杂度；t表示温度异常指数；v表示声波特征指数，w1、w2、w3、w4、w5分别为裂缝长度、裂缝深度、裂缝分支、温度异常和声波特征的权重系数。
26、优选的，裂缝风险等级通过非线性映射将裂缝复杂性指数转换为风险等级，风险等级划分为低风险、中风险和高风险，并标识优先处理区域，生成优先处理区域数据。
27、一种用于实施所述的基于图像处理技术的土木工程结构缺陷检测方法的系统，所述系统包括：
28、图像采集模块，用于采集土木工程结构的可见光图像数据、热成像数据和声波反射数据；
29、数据预处理模块，与所述图像采集模块通信，用于对所述可见光图像数据、热成像数据和声波反射数据进行去噪和归一化处理，生成裂缝边缘数据、温度异常区域数据和内部缺陷位置数据；
30、生成对抗网络模块，用于根据所述裂缝边缘数据、温度异常区域数据和内部缺陷位置数据生成模拟裂缝的视觉形态数据、模拟裂缝的温度特征数据和模拟裂缝的声波特征数据，并通过形态匹配算法和反向推理生成裂缝匹配度数据；
31、三维重建模块，用于基于所述裂缝匹配度数据，结合所述模拟裂缝的视觉形态数据、模拟裂缝的温度特征数据和模拟裂缝的声波特征数据，采用自适应动态权重三维重建技术生成三维裂缝模型数据，并通过所述三维裂缝模型数据估算裂缝的深度和宽度，生成裂缝深度数据和裂缝宽度数据；
32、复杂性指数计算模块，用于根据所述裂缝深度数据、裂缝宽度数据、三维裂缝模型数据、温度特征数据和声波特征数据计算裂缝复杂性指数；
33、风险评估模块，用于根据所述裂缝复杂性指数评估裂缝的风险等级，生成裂缝风险等级数据，并标识优先处理的裂缝区域。
34、相比于现有技术，本专利技术的优点及有益效果在于：
35、本专利技术通过采用生成对抗网络(gan)、自适应动态权重三维重建技术，以及裂缝复杂性指数的计算方法，实现了高效且精确的裂缝检测；
36、本专利技术通过生成对抗网络处理裂缝的视觉形态、温度和声波特征，生成裂缝匹配度数据，进而利用自适应权重技术结合不同模态数据生成三维裂缝模型数据，确保裂缝检测的准确性和深度评估；
37、本专利技术裂缝复杂性指数的引入，使得检测系统可以动态调整风险评估的标准，优先处理高风险裂缝区域，解决了现有技术中未能准确处理多维度信息、误判缺陷的重要问题；通过这种技术手段，解决了现有检测算本文档来自技高网...
【技术保护点】
1.一种基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，数据的所述预处理包括：
3.根据权利要求2所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，所述生成对抗网络的训练过程包括：
4.根据权利要求1所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，裂缝匹配度数据通过以下公式计算：
5.根据权利要求1所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，所述自适应动态权重三维重建包括：
6.根据权利要求5所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，所述裂缝深度估算通过卷积神经网络进行，其中输入优化后的三维裂缝模型数据，按不同深度层进行分段处理，并逐层计算裂缝的深度变化，生成裂缝深度数据。
7.根据权利要求6所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，裂缝宽度通过分析三维裂缝模型的横截面形态进行估算，生成裂缝宽度数据，确保不同截面上的宽度均得
8.根据权利要求1所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，裂缝复杂性指数通过以下公式计算：
9.根据权利要求8所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，裂缝风险等级通过非线性映射将裂缝复杂性指数转换为风险等级，风险等级划分为低风险、中风险和高风险，并标识优先处理区域，生成优先处理区域数据。
10.一种用于实施权利要求1至9任一所述的基于图像处理技术的土木工程结构缺陷检测方法的系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，数据的所述预处理包括：
3.根据权利要求2所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，所述生成对抗网络的训练过程包括：
4.根据权利要求1所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，裂缝匹配度数据通过以下公式计算：
5.根据权利要求1所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，所述自适应动态权重三维重建包括：
6.根据权利要求5所述的基于图像处理技术的土木工程结构缺陷检测方法，其特征在于，所述裂缝深度估算通过卷积神经网络进行，其中输入优化后的三维裂缝模型数据，按不同深度...
【专利技术属性】
技术研发人员：李睿，韩法山，成彦峰，梁亮，孟晓兰，李青，
申请(专利权)人：昆明理工大学，
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。