本发明创造属于桥梁工程，尤其是涉及一种基于数字图像技术识别多目标索力的方法。
背景技术：
1、索结构作为桥梁的关键承载构件，其索力的准确测量和监控对桥梁的安全性和耐久性具有重要意义。索力一旦发生异常，可能导致桥梁的结构失稳、受力分布失衡，甚至造成桥梁倒塌等严重后果。因此，索力的监测和评估在桥梁安全监控中占据了核心地位。传统测量方法虽然在某些条件下可以获得较为准确的索力数据，但其共同的问题在于测量设备依赖性强，测量操作复杂。
技术实现思路
1、有鉴于此，本发明创造旨在克服现有技术中的缺陷，提出一种基于数字图像技术识别多目标索力的方法。
2、为达到上述目的，本发明创造的技术方案是这样实现的：
3、一种基于数字图像技术识别多目标索力的方法，包括如下步骤：
4、s1、选择目标索，使用摄像头对桥梁的多根目标索进行视频拍摄，采集桥梁索的图像数据；
5、s2、在采集的图像数据中检测并识别出多个目标索的位置和轮廓，确定目标索坐标；获得目标索的原始位移数据；
6、s3、对原始位移数据进行中心差分法二阶导数处理，计算得到目标索的加速度数据；
7、s4、将加速度数据分成若干段，对每一段信号进行窗函数处理和快速傅里叶变换，对所有段的快速傅里叶变换结果进行平均，得到平均功率谱密度；
8、s5、通过特征值分解功率谱密度矩阵来识别模态频率；
9、s6、使用滤波器进行滤波，提取与基频相关的时域信号；
10、s7、检测功率谱中的峰值，拾取索结构的基频f；
11、s8、根据识别出的基频f，利用以下公式计算目标索的索力f：其中，f为索力，l为斜拉索长度，m为斜拉索单位长度质量，f为索的基频，ei为所述斜拉索的抗弯刚度，π为圆周率。
12、进一步，利用yolov8模型在采集的图像数据中检测并识别目标索的位置和轮廓。
13、进一步，使用welch方法计算功率谱密度。
14、进一步，步骤s1中，摄像头采集频率高于32hz，分辨率高于1080p。
15、进一步，步骤s2中，yolov8使用无锚点检测策略，利用损失函数对边界框损失、分类损失、置信度损失加权处理。
16、进一步，步骤s2中，由目标索坐标x(tx，ty)，获得位移振动数据为x。
17、进一步，步骤s3中，计算目标索加速度数据公式如下：其中，δt为相邻数据点的时间间隔。
18、进一步，步骤s4中，快速傅里叶变换计算公式为：其中，n为数据点总数，a(n)为第n个加速度数据点，k为频率点，j为虚数单位。
19、进一步，步骤s5中，特征值分解时，增强频域分解法通过特征值分解功率谱密度(psd)矩阵来识别模态频率。自功率谱密度的公式为：syy(f)＝e[y(f)y*(f)]其中：syy(f)是频率f处的功率谱密度；y(f)是傅里叶变换后的频率分量y*(f)是y(f)的共轭复数；e是期望运算，表示对多个响应信号的平均。
20、进一步，步骤s5中，在efdd中，进行特征值分解：syy(f)＝v(f)λ(f)v*(f)]其中：v(f)是模态矩阵(特征向量矩阵)；λ(f)是对角矩阵，其中最大特征值对应的频率即为模态频率。
21、进一步，步骤s6中，带通滤波的传递函数：其中：fl＝max(0，f0-δf)是滤波器的下限频率，确保为正值；fh＝f0+δf是滤波器的上限频率；f0是目标频率，δf是频率带宽。
22、进一步，步骤s7中，使用find peaks函数来检测功率谱中的峰值。
23、相对于现有技术，本发明创造具有以下优势：
24、本发明方法通过对桥梁中的多个目标索实时提取位移数据，利用中心差分法获得加速度数据，采用增强频域分解法拾取索的基频，结合索力计算模型，实现对多目标索力的高效、准确识别。这种方法不仅避免了传统传感器安装带来的局限性，还能够实现对多个目标索的同步监测，具有很高的应用前景。
1.一种基于数字图像技术识别多目标索力的方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于数字图像技术识别多目标索力的方法，其特征在于：利用yolov8模型在采集的图像数据中检测并识别目标索的位置和轮廓。
3.根据权利要求1所述的一种基于数字图像技术识别多目标索力的方法，其特征在于：使用welch方法计算功率谱密度。
4.根据权利要求1所述的一种基于数字图像技术识别多目标索力的方法，其特征在于：步骤s1中，摄像头采集频率高于32hz，分辨率高于1080p。
5.根据权利要求1所述的一种基于数字图像技术识别多目标索力的方法，其特征在于：步骤s2中，yolov8使用无锚点检测策略，利用损失函数对边界框损失、分类损失、置信度损失加权处理。
6.根据权利要求1所述的一种基于数字图像技术识别多目标索力的方法，其特征在于：步骤s2中，由目标索坐标x(tx，ty)，获得位移振动数据为x。
7.根据权利要求1所述的一种基于数字图像技术识别多目标索力的方法，其特征在于：步骤s3中，计算目标索加速度数据公式如下：其中，δt为相邻数据点的时间间隔。
8.根据权利要求1所述的一种基于数字图像技术识别多目标索力的方法，其特征在于：步骤s4中，快速傅里叶变换计算公式为：其中，n为数据点总数，a(n)为第n个加速度数据点，k为频率点，j为虚数单位。
9.根据权利要求1所述的一种基于数字图像技术识别多目标索力的方法，其特征在于：步骤s5中，特征值分解时，增强频域分解法通过特征值分解功率谱密度(psd)矩阵来识别模态频率。自功率谱密度的公式为：syy(f)＝e[y(f)y*(f)]其中：syy(f)是频率f处的功率谱密度；y(f)是傅里叶变换后的频率分量y*(f)是y(f)的共轭复数；e是期望运算，表示对多个响应信号的平均。
10.根据权利要求1所述的一种基于数字图像技术识别多目标索力的方法，其特征在于：步骤s5中，在efdd中，进行特征值分解：syy(f)＝v(f)λ(f)v*(f)]其中：v(f)是模态矩阵(特征向量矩阵)；λ(f)是对角矩阵，其中最大特征值对应的频率即为模态频率。
11.根据权利要求1所述的一种基于数字图像技术识别多目标索力的方法，其特征在于：步骤s6中，带通滤波的传递函数：其中：fl＝max(0，f0-δf)是滤波器的下限频率，确保为正值；fh＝f0+δf是滤波器的上限频率；f0是目标频率，δf是频率带宽。
12.根据权利要求1所述的一种基于数字图像技术识别多目标索力的方法，其特征在于：步骤s7中，使用find peaks函数来检测功率谱中的峰值。