一种基于特征金字塔网络的裂缝图像训练检测方法与流程

本发明涉及结构检查领域，尤其涉及一种基于特征金字塔网络的裂缝图像训练检测方法。

背景技术：

1、在结构检查领域，裂缝是指建筑物、桥梁、道路等结构中出现的细小或较大的裂纹。裂缝的存在可能会导致结构的弱化、损坏甚至崩塌，因此及早发现和准确检测裂缝对于结构的安全和维护至关重要。传统的裂缝检测方法通常依赖于人工的目视检查，这种方法耗时且主观性较强，容易出现漏检或误检。近年来，随着深度学习和计算机视觉的发展，基于图像处理和机器学习的自动裂缝检测方法逐渐受到关注。卷积神经网络在图像分类、目标检测和分割等任务上取得了优异的性能。然而，大尺寸图像的处理仍然是一个挑战，因为它们通常具有高分辨率和复杂的结构，导致计算和内存需求较高。裂缝在大尺寸图像中的尺寸和形状可能具有多样性，需要一种能够有效处理裂缝的方法。

技术实现思路

1、鉴于上述问题，提出了本发明以便提供克服上述问题或者至少部分地解决上述问题的一种基于特征金字塔网络的裂缝图像训练检测方法。

2、根据本发明的一个方面，提供了一种基于特征金字塔网络的裂缝图像训练检测方法，所述图像训练检测方法包括：收集裂缝图像数据集；将所述裂缝图像数据集进行数据预处理和调整，获得预处理图像；根据拆分原则确定拆分尺寸；将所述预处理图像进行边缘填充，获得边缘填充图像；在所述边缘填充图像上进行滑窗操作，并生成子图像；将所述子图像进行筛选操作；对每张裂缝图像数据进行处理，构建完整数据集，并利用特征金字塔网络完成裂缝检测。

3、可选的，所述收集裂缝图像数据集具体包括：采用高清相机拍摄或从相关数据库中获取，收集裂缝图像数据集。

4、可选的，所述将所述裂缝图像数据集进行数据预处理和调整，获得预处理图像具体包括：如果原始图像尺寸大于尺寸阈值，将所述原始图像缩小至尺寸阈值范围内的尺寸；使用双线性插值进行图像尺寸调整。

5、可选的，所述根据拆分原则确定拆分尺寸具体包括：拆分尺寸的选择将平衡计算资源的消耗和对裂缝细节信息的保留；在相邻的拆分图像之间保留重叠部分，提供更完整的裂缝信息，并减少在边界处引入的误差。

6、可选的，所述将所述预处理图像进行边缘填充，获得边缘填充图像具体包括：在进行图像拆分之前，将对裂缝图像进行边缘填充，确保图像尺寸是拆分尺寸的倍数；添加适当的像素值，将图像扩展到合适的尺寸。

7、可选的，所述在所述边缘填充图像上进行滑窗操作，并生成子图像具体包括：利用滑窗方法在边缘填充后的图像上移动固定窗口，以生成子图像。

8、可选的，所述固定窗口的尺寸为：行和列的步长为16m和16n，用于确保子图像之间有重叠部分。

9、可选的，所述将所述子图像进行筛选操作具体包括：对于每个子图像，判断是否包含裂缝；如果子图像中包含裂缝像素，将作为正例样本；随机选择同等数量的只包含背景的子图像作为负例样本，确保裂缝和背景样本在训练集中的数量平衡。

10、可选的，所述对每张裂缝图像数据进行处理，构建完整数据集，并利用特征金字塔网络完成裂缝检测具体包括：将使用构建好的训练集，对特征金字塔网络进行训练；通过训练过程，优化网络的参数和权重，用于检测裂缝图像；训练完成后，将训练好的网络应用于新的裂缝图像，进行裂缝的检测和识别。

11、本发明提供的一种基于特征金字塔网络的裂缝图像训练检测方法，所述图像训练检测方法包括：收集裂缝图像数据集；将所述裂缝图像数据集进行数据预处理和调整，获得预处理图像；根据拆分原则确定拆分尺寸；将所述预处理图像进行边缘填充，获得边缘填充图像；在所述边缘填充图像上进行滑窗操作，并生成子图像；将所述子图像进行筛选操作；对每张裂缝图像数据进行处理，构建完整数据集，并利用特征金字塔网络完成裂缝检测。能够快速、准确地对大尺寸图像中的裂缝进行检测，提高了裂缝检测的效率和可靠性。

12、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

技术特征：

1.一种基于特征金字塔网络的裂缝图像训练检测方法，其特征在于，所述图像训练检测方法包括：

2.根据权利要求1所述的一种基于特征金字塔网络的裂缝图像训练检测方法，其特征在于，所述收集裂缝图像数据集具体包括：

3.根据权利要求1所述的一种基于特征金字塔网络的裂缝图像训练检测方法，其特征在于，所述将所述裂缝图像数据集进行数据预处理和调整，获得预处理图像具体包括：

4.根据权利要求1所述的一种基于特征金字塔网络的裂缝图像训练检测方法，其特征在于，所述根据拆分原则确定拆分尺寸具体包括：

5.根据权利要求1所述的一种基于特征金字塔网络的裂缝图像训练检测方法，其特征在于，所述将所述预处理图像进行边缘填充，获得边缘填充图像具体包括：

6.根据权利要求1所述的一种基于特征金字塔网络的裂缝图像训练检测方法，其特征在于，所述在所述边缘填充图像上进行滑窗操作，并生成子图像具体包括：利用滑窗方法在边缘填充后的图像上移动固定窗口，以生成子图像。

7.根据权利要求6所述的一种基于特征金字塔网络的裂缝图像训练检测方法，其特征在于，所述固定窗口的尺寸为：行和列的步长为16m和16n，用于确保子图像之间有重叠部分。

8.根据权利要求1所述的一种基于特征金字塔网络的裂缝图像训练检测方法，其特征在于，所述将所述子图像进行筛选操作具体包括：

9.根据权利要求1所述的一种基于特征金字塔网络的裂缝图像训练检测方法，其特征在于，所述对每张裂缝图像数据进行处理，构建完整数据集，并利用特征金字塔网络完成裂缝检测具体包括：

技术总结本发明提供的一种基于特征金字塔网络的裂缝图像训练检测方法，所述图像训练检测方法包括：收集裂缝图像数据集；将所述裂缝图像数据集进行数据预处理和调整，获得预处理图像；根据拆分原则确定拆分尺寸；将所述预处理图像进行边缘填充，获得边缘填充图像；在所述边缘填充图像上进行滑窗操作，并生成子图像；将所述子图像进行筛选操作；对每张裂缝图像数据进行处理，构建完整数据集，并利用特征金字塔网络完成裂缝检测。能够快速、准确地对大尺寸图像中的裂缝进行检测，提高了裂缝检测的效率和可靠性。技术研发人员：胡皓,陈嘉琪,梅瀚雨,舒江鹏,叶品,王旭燚,王吉吉受保护的技术使用者：浙江省交通运输科学研究院技术研发日：技术公布日：2024/8/27