基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法

本发明涉及桥梁养护维修，尤其涉及一种基于图像预处理和yolov7的桥梁裂缝修补痕迹及二次裂缝分类检测方法。

背景技术：

1、桥梁经过常年使用之后，可能会出现一些桥梁病害，这些桥梁病害对桥梁的结构安全造成影响。因此，需要加强对桥梁的定期检测，以保证桥梁的结构安全。

2、据统计，国内绝大部分的桥梁是钢筋混凝土桥梁，其中裂缝病害是最为主要的病害形式。裂缝病害可以在桥梁的任何位置出现，使得环境中的水蒸气和二氧化碳与钢筋接触导致钢筋锈蚀，从而增加桥梁的危险性，因此要对裂缝病害进行处置。

3、现在使用的很多裂缝修复技术，均会留下修补痕迹。由于裂缝修补材料与混凝土的性能差异，随着使用时间的增加，裂缝修补材料自身会被撕裂或与裂缝内壁脱离，导致裂缝出现二次开裂，这对桥梁安全的危害会大于一次裂缝。

4、目前，除了利用人工检测桥梁裂缝的方法，前沿的技术主要以图像识别为主。但目前的图像识别以一次裂缝为主，对于裂缝修补痕迹和二次裂缝的相关技术却很少。此外，在实际的桥梁裂缝检测中，由于桥梁所处的环境复杂，树木阴影、光照的不均匀会影响裂缝修补痕迹和二次裂缝的连续性和亮度均衡，弱化图像特征，而且二次裂缝大概率出现在裂缝修补痕迹上，因此常用的图像识别技术不适合用来进行裂缝修补痕迹和二次裂缝的分类检测。

技术实现思路

1、为了准确识别桥梁裂缝修补痕迹和二次裂缝，本发明提供一种基于图像预处理和yolov7的桥梁裂缝修补痕迹及二次裂缝分类检测方法。

2、本发明提供一种基于图像预处理和yolov7的桥梁裂缝修补痕迹及二次裂缝分类检测方法，包括：

3、步骤1：采集仅包含裂缝修补痕迹和/或二次裂缝的桥梁图像以构建得到图像数据集；

4、步骤2：对图像数据集进行单样本几何变换使得每张图像内裂缝修补痕迹或二次裂缝所占区域增加，得到新的图像数据集；

5、步骤3：对新的图像数据集作图像预处理，得到预处理数据集；

6、步骤4：构建yolov7网络，使用预处理数据集对所述yolov7网络进行训练，得到目标检测模型；

7、步骤5：将待测桥梁图像输入至目标检测模型，得到检测结果。

8、进一步地，步骤3中，对新的图像数据集作图像预处理，具体包括：

9、步骤a1：将当前图像转化为灰度图像；

10、步骤a2：在所述灰度图像中加入泊松噪声，得到含噪图像；

11、步骤a3：调整双边滤波器的滤波参数，在不同滤波参数下，利用双边滤波器对所述含噪图像进行滤波处理，得到对应的多个滤波图像；

12、步骤a4：比较所述多个滤波图像，选取滤波效果满足给定要求的滤波图像作为最终的滤波图像；

13、步骤a5：对所述最终的滤波图像进行分割，得到二值化图像。

14、进一步地，步骤a4中，根据滤波图像的峰值信噪比以及滤波图像与灰度图像之间的相似度来选取，当峰值信噪比和相似度均满足给定阈值时，则认为该滤波图像的滤波效果满足给定要求。

15、进一步地，采用结构相似性ssim算法来计算滤波图像和灰度图像之间的相似度。

16、进一步地，步骤a5中，采用otsu图像阈值方法对所述最终的滤波图像进行分割。

17、进一步地，在步骤4之前，还包括：对预处理数据集进行数据增强。

18、本发明的有益效果：

19、本发明通过对原始数据集进行图像预处理操作，可以保留裂缝修补痕迹和二次裂缝的特征信息和边缘细节，如此，使用图像预处理后的数据集对yolov7模型进行训练所得到的目标检测模型，可以有效提高裂缝修补痕迹和二次裂缝的分类检测准确率。

技术特征：

1.基于图像预处理和yolov7的桥梁裂缝修补痕迹及二次裂缝分类检测方法，其特征在于，包括：

2.根据权利要求1所述的基于图像预处理和yolov7的桥梁裂缝修补痕迹及二次裂缝分类检测方法，其特征在于，步骤3中，对新的图像数据集作图像预处理，具体包括：

3.根据权利要求2所述的基于图像预处理和yolov7的桥梁裂缝修补痕迹及二次裂缝分类检测方法，其特征在于，步骤a4中，根据滤波图像的峰值信噪比以及滤波图像与灰度图像之间的相似度来选取，当峰值信噪比和相似度均满足给定阈值时，则认为该滤波图像的滤波效果满足给定要求。

4.根据权利要求3所述的基于图像预处理和yolov7的桥梁裂缝修补痕迹及二次裂缝分类检测方法，其特征在于，采用结构相似性ssim算法来计算滤波图像和灰度图像之间的相似度。

5.根据权利要求2所述的基于图像预处理和yolov7的桥梁裂缝修补痕迹及二次裂缝分类检测方法，其特征在于，步骤a5中，采用otsu图像阈值方法对所述最终的滤波图像进行分割。

6.根据权利要求1所述的基于图像预处理和yolov7的桥梁裂缝修补痕迹及二次裂缝分类检测方法，在步骤4之前，还包括：对预处理数据集进行数据增强。

技术总结
本发明提供一种基于图像预处理和YOLOv7的桥梁裂缝修补痕迹及二次裂缝分类检测方法。该方法包括：步骤1：采集仅包含裂缝修补痕迹和/或二次裂缝的桥梁图像以构建得到图像数据集；步骤2：对图像数据集进行单样本几何变换使得每张图像内裂缝修补痕迹或二次裂缝所占区域增加，得到新的图像数据集；步骤3：对新的图像数据集作图像预处理，得到预处理数据集；步骤4：构建YOLOv7网络，使用预处理数据集对所述YOLOv7网络进行训练，得到目标检测模型；步骤5：将待测桥梁图像输入至目标检测模型，得到检测结果。

技术研发人员：赫中营,徐闻,李浩洋,宋一凡,满建祥
受保护的技术使用者：河南大学
技术研发日：
技术公布日：2024/1/15