基于弱监督语义分割网络和混合标签策略的裂缝检测方法

本发明涉及裂缝检测，具体的说，涉及了一种基于弱监督语义分割网络和混合标签策略的裂缝检测方法。

背景技术：

1、公路作为最基础和最广泛的交通基础设施，为地区乃至国家的经济发展提供重要的保障，在整个交通运输体系中发挥着不可替代的作用。由于受到车辆行驶、铺设材料、天气等多种因素的影响，公路路面会出现不同类型的损坏，其中裂缝是最常见的损坏类型之一，对公路路面裂缝的养护管理不仅可以延长公路的使用年限，也可以减少安全事故的发生。因此，裂缝检测是公路养护的重要环节。

2、传统裂缝检测主要依靠人工的方式，进行公路路面裂缝的检测，这需要经验丰富的专业人员，效率低下，还容易受到主观因素的影响。在过去的一段时间中，一些基于图像处理的裂缝检测方法被广泛应用，但是其效果往往不佳。

3、近年来，基于深度学习的语义分割方法在多个任务上都表现出了最佳性能，其中基于语义分割的裂缝检测方法也引发了大量的关注，但是在利用神经网络训练语义分割模型时，常常需要大量手工标注的像素级标签，这是十分耗时的一项工作，严重制约了语义分割方法在裂缝检测中的实际应用。为此，寻求一种既能减少标注裂缝所需要花费的时间，又能提高裂缝分割精度的方法尤为重要。

4、需要说明的是，许多学者推荐了各种植根于图像处理的技术来检测裂纹。例如，关于裂纹检测，otsu算法是最广泛使用的阈值分割技术，但是这种策略倾向于在提取裂缝的同时分割背景噪声，目标与背景的灰度级相近，可能会导致分割效果不理想。在裂纹提取领域，sobel算子和canny算子是最流行的边缘检测方法；sobel算子方法在水平和垂直方向上表现更好，而canny算子在识别图像中的弱边缘方面更有效。然而，由于sobel算子在检测边缘时，会寻找亮度或颜色变化的地方来确定物体的边界，因此在裂纹提取过程中sobel算子可能会导致内部空腔问题。基于上述分析可知，传统的边缘检测算法在提取小裂纹时通常会遇到问题。

5、为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

技术实现思路

1、本发明的目的是针对现有技术的不足，从而提供一种基于弱监督语义分割网络和混合标签策略的裂缝检测方法，为了解决手工标注像素级标签需要消耗大量的时间和人力资源的问题，利用预设的分类网络模型和阈值算法对原始裂缝图片进行预处理生成伪标签，节省了部分手工标注的工作量，然后采用混合标签训练策略训练裂缝检测模型，解决了弱监督方法分割裂缝精度较低的问题。

2、为了实现上述目的，本发明第一方面提供一种基于弱监督语义分割网络和混合标签策略的裂缝检测方法，所述方法包括公路裂缝图像伪标签生成步骤、公路裂缝图像混合标注步骤和裂缝分割模型训练步骤，其中，所述公路裂缝图像伪标签生成步骤包括：

3、获取原始公路裂缝图像，将所述原始公路裂缝图像切分为预设尺寸的图像块，根据图像块中是否包含裂缝区域，人工将图像块标注为“crack”和“no crack”两个类别；利用人工标注的图像块，训练预先配置的公路裂缝图像分类模型；将所述原始公路裂缝图像，输入训练后的公路裂缝图像分类模型，得到分类激活响应特征图fc；对所述原始公路裂缝图像进行裁剪，获得预设大小的图像块，并将裁剪后得到的图像块输入训练后的公路裂缝图像分类模型，得到图像块分类概率图fp；对所述分类激活响应特征图fc和所述图像块分类概率图fp进行融合，得到裂缝图像分割结果sc；利用双边滤波器提取所述原始公路裂缝图像中的边界，获得边界图ie；通过自适应高斯分割算法对所述边界图ie中的裂缝区域进行分割，获得自适应裂缝分割结果sa；对所述裂缝图像分割结果sc和所述自适应裂缝分割结果sa进行融合，得到所述原始公路裂缝图像的伪标签sp。

4、为了实现上述目的，本发明第二方面提供一种基于弱监督语义分割网络和混合标签策略的裂缝检测设备，其包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口以及存储器通过通信总线完成相互间的通信；

5、存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现如上述的基于弱监督语义分割网络和混合标签策略的裂缝检测方法。

6、为了实现上述目的，本发明第三方面提供一种可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如上述的基于弱监督语义分割网络和混合标签策略的裂缝检测方法。

7、本发明的有益效果为：

8、本发明提供了一种基于弱监督语义分割网络和混合标签策略的裂缝检测方法，利用预设的分类网络模型和自适应高斯分割算法对原始裂缝图片进行分析处理，生成训练分割网络所需要的伪标签，不需要对整张图片逐个像素级标注，大大节约了时间；本发明还将伪标签与真实标签混合对分割网络进行训练，并将训练之后的分割网络作为裂缝检测模型，既节约了裂缝图片逐像素手工标注的时间，又提高了分割精度，弥补了弱监督方法不足。

技术特征：

1.一种基于弱监督语义分割网络和混合标签策略的裂缝检测方法，其特征在于，包括公路裂缝图像伪标签生成步骤、公路裂缝图像混合标注步骤和裂缝分割模型训练步骤，其中，

2.根据权利要求1所述的基于弱监督语义分割网络和混合标签策略的裂缝检测方法，其特征在于，所述公路裂缝图像混合标注步骤包括：

3.根据权利要求2所述的基于弱监督语义分割网络和混合标签策略的裂缝检测方法，其特征在于，所述裂缝分割模型训练步骤包括：

4.根据权利要求1至3任一项所述的基于弱监督语义分割网络和混合标签策略的裂缝检测方法，其特征在于，所述公路裂缝图像分类模型为resnet50_cbam模型。

5.一种基于弱监督语义分割网络和混合标签策略的裂缝检测设备，其特征在于：包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口以及存储器通过通信总线完成相互间的通信；

6.一种可读存储介质，其特征在于：其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1至4任一项所述的基于弱监督语义分割网络和混合标签策略的裂缝检测方法。

技术总结
本发明提供了一种基于弱监督语义分割网络和混合标签策略的裂缝检测方法，包括：利用人工标注的图像块，训练预先配置的公路裂缝图像分类模型；将原始公路裂缝图像，输入训练后的公路裂缝图像分类模型，得到分类激活响应特征图F<subgt;C</subgt;；对所述原始公路裂缝图像进行裁剪，获得预设大小的图像块，并将裁剪后得到的图像块输入训练后的公路裂缝图像分类模型，得到图像块分类概率图F<subgt;p</subgt;；对分类激活响应特征图F<subgt;C</subgt;和图像块分类概率图F<subgt;p</subgt;进行融合，得到裂缝图像分割结果S<subgt;C</subgt;；对裂缝图像分割结果S<subgt;C</subgt;和自适应裂缝分割结果S<subgt;A</subgt;进行融合，得到原始公路裂缝图像的伪标签S<subgt;P</subgt;。本发明不仅极大减少了手工标注所花费的时间，也提高了弱监督方法的分割精度。

技术研发人员：谢李鹏,曹仰杰,王超,张书源
受保护的技术使用者：郑州大学
技术研发日：
技术公布日：2024/3/17