裂缝检测模型训练方法、装置、电子设备及存储介质与流程

本技术涉及图像处理，具体涉及一种裂缝检测模型训练方法、装置、电子设备及存储介质。

背景技术：

1、建筑结构受温度效应、疲劳、基础不均匀沉降、地震等作用可能出现裂缝，建筑结构的裂缝是结构损伤的表现，在工业、民用建筑物表面检测鉴定中，裂缝损伤属于可靠性鉴定的主要指标；在桥梁隧道等基础设施工程结构的安全性评估中，裂缝是定期检查或常规检查的重要指标；在实验室结构受力性能试验中，裂缝是模型加载过程量测的关键指标；在工程事故调查中，裂缝是分析事故原因的重要依据。

2、而相关技术中，通常是将建筑物图像输入分类器后，利用分类器识别建筑物图像中的裂缝，但是这种方法很容易出现检测准确度不佳的问题，因此，如何更好的进行建筑物的裂缝检测，已经成为业界亟待解决的问题。

技术实现思路

1、本技术实施例提供一种裂缝检测模型训练方法、装置、电子设备及存储介质，用以解决利用裂缝检测准确度不佳的技术问题。

2、第一方面，本技术实施例提供一种裂缝检测模型训练方法，包括：

3、对携带有裂缝标签的n个原始样本图像进行图像分割，得到m个第一样本图像，对所述m个第一样本图像分别进行伽马变换和高斯白噪声增强处理，得到伽马变换后的m个第二样本图像和高斯白噪声增强后的m个第三样本图像；

4、分别通过所述m个第一样本图像中的第一训练样本图像、所述m个第二样本图像中的第二训练样本图像和所述m个第三样本图像中的第三训练样本图像对预设检测模型进行训练，得到第一检测模型、第二检测模型和第三检测模型；

5、通过所述m个第一样本图像中的第一验证样本图像、所述m个第二样本图像中的第二验证样本图像和所述m个第三样本图像中的第三验证样本图像分别对所述第一检测模型、所述第二检测模型和所述第三检测模型进行检测，得到所述第一检测模型的第一检测结果、所述第二检测模型的第二检测结果和所述第三检测模型的第三检测结果，m和n均为正整数；

6、将目标检测结果对应的检测模型，作为裂缝检测模型；所述目标检测结果是所述第一检测结果、第二检测结果和所述第三检测结果中的最优检测结果。

7、在一个实施例中，在将目标检测结果对应的检测模型，作为裂缝检测模型之后，还包括：

8、在所述裂缝检测模型为所述第二检测模型的情况下，将第一待检测图像进行图像分割和伽马变换处理，得到多个第二待检测图像；

9、将各个所述第二待检测图像输入所述裂缝检测模型，输出裂缝检测结果。

10、在一个实施例中，在将目标检测结果对应的检测模型，作为裂缝检测模型之后，还包括：

11、在所述裂缝检测模型为所述第三检测模型的情况下，将第三待检测图像进行图像分割和高斯白噪声增强处理，得到多个第四待检测图像；

12、将各个所述第四待检测图像输入所述裂缝检测模型，输出裂缝检测结果。

13、在一个实施例中，在将目标检测结果对应的检测模型，作为裂缝检测模型之后，还包括：

14、在所述裂缝检测模型为所述第一检测模型的情况下，将第五待检测图像进行图像分析，得到多个第六待检测图像；

15、将各个所述第六待检测图像输入所述裂缝检测模型，输出裂缝检测结果。

16、在一个实施例中，所述m个第二样本图像的生成方法，具体为：

17、对于每个所述第一样本图像，将所述第一样本图像进行灰度处理后，得到第一灰度图像；

18、将所述第一灰度图像转换为第一图像矩阵，并对所述第一图像矩阵中的每个元素进行归一化处理，得到归一化后的第二图像矩阵；

19、对所述第二图像矩阵进行伽马变换后，将伽马变换后的第二图像矩阵转换为图像，得到第二样本图像；遍历所述m个第一样本图像，得到m个第二样本图像。

20、在一个实施例中，所述m个第三样本图像的生成方法，具体为：

21、对于每个第一样本图像，将所述第一样本图像进行灰度处理，得到第二灰度图像，再将所述第二灰度图像转换为第二图像矩阵；

22、生成与所述第二图像矩阵相同大小的白噪声矩阵，根据所述白噪声矩阵和所述第二图像矩阵，得到白噪声变换后的第三图像矩阵；

23、将所述第三图像矩阵转换为图像，得到第三样本图像；遍历所述m个第一样本图像，得到m个第三样本图像。

24、在一个实施例中，分别通过所述m个第一样本图像中的第一训练样本图像、所述m个第二样本图像中的第二训练样本图像和所述m个第三样本图像中的第三训练样本图像对预设检测模型进行训练，得到第一检测模型、第二检测模型和第三检测模型，包括：

25、将任一训练样本输入预设检测模型中的骨干网络，输出所述训练样本对应的多层特征图，所述训练样本为：所述第一训练样本图像、所述第二训练样本图像或所述第三训练样本图像；

26、将所述多层特征图输入所述预设检测模型中的acmix注意力模块，使所述多层特征图聚焦裂缝位置，得到第一中间结果；

27、将所述第一中间结果输入所述预设检测模型中的neck网络，对特征图进行多尺度融合，并将融合结果输入所述预设检测模型中的head模块，输出所述训练样本对应的裂缝检测结果；

28、根据所述裂缝检测结果和所述训练样本对应的裂缝标签计算损失值；

29、在所述损失值小于预设阈值的情况下，停止训练，得到第一检测模型、第二检测模型和第三检测模型。

30、在一个实施例中，在所述第一检测结果包括第一检测正确率、第一召回率和第一平均正确率，所述第二检测结果包括第二检测正确率、第二召回率和第二平均正确率，所述第三检测结果包括第三检测正确率、第三召回率和第三平均正确率的情况下，所述目标检测结果的确定方法，包括：

31、根据所述第一检测正确率、所述第二检测正确率和所述第三检测正确率中的最大值，确定所述最优检测结果；

32、在所述第一检测正确率、所述第二检测正确率和所述第三检测正确率均相等的情况下，根据所述第一平均正确率、所述第二平均正确率和所述第三平均正确率中的最大值，确定所述最优检测结果；

33、在所述第一检测正确率、所述第二检测正确率和所述第三检测正确率均相等，且所述第一平均正确率、所述第二平均正确率和所述第三平均正确率也相等的情况下，根据所述第一召回率、所述第二召回率和所述第三召回率中的最大值，确定所述最优检测结果。

34、第二方面，本技术实施例提供一种裂缝检测模型训练装置，包括：

35、图像处理模块，用于对携带有裂缝标签的n个原始样本图像进行图像分割，得到m个第一样本图像，对所述m个第一样本图像分别进行伽马变换和高斯白噪声增强处理，得到伽马变换后的m个第二样本图像和高斯白噪声增强后的m个第三样本图像；

36、训练模块，用于分别通过所述m个第一样本图像中的第一训练样本图像、所述m个第二样本图像中的第二训练样本图像和所述m个第三样本图像中的第三训练样本图像对预设检测模型进行训练，得到第一检测模型、第二检测模型和第三检测模型；

37、验证模块，用于通过所述m个第一样本图像中的第一验证样本图像、所述m个第二样本图像中的第二验证样本图像和所述m个第三样本图像中的第三验证样本图像分别对所述第一检测模型、所述第二检测模型和所述第三检测模型进行检测，得到所述第一检测模型的第一检测结果、所述第二检测模型的第二检测结果和所述第三检测模型的第三检测结果，m和n均为正整数；

38、确定模块，用于将目标检测结果对应的检测模型，作为裂缝检测模型；所述目标检测结果是所述第一检测结果、第二检测结果和所述第三检测结果中的最优检测结果。

39、第三方面，本技术实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述的裂缝检测模型训练方法的步骤。

40、第四方面，本技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述裂缝检测模型训练方法。

41、本技术实施例提供的裂缝检测模型训练方法、装置、电子设备及存储介质，通过对原始样本图像分别进行图像分割后得到第一样本图像，并分别进行伽马变换和高斯白噪声增强处理得到第二样本图像和第三样本图像后，分别通过第一样本图像、第二样本图像和第三样本图像中的训练样本图像训练得到三个检测模型后，分别通过第一样本图像、第二样本图像和第三样本图像中的验证样本图像对这三个检测模型进行验证，并根据验证结果从而这三个检测模型中确定最优的模型作为裂缝检测模型，通过从三种不同图像处理方式的样本图像训练得到的三个检测模型中，选取检测结果最优的模型作为最终的裂缝检测模型，能够有效的保证裂缝的识别准确率。