CN118230060B 一種隧道裂縫檢測方法及系統(tǒng) （西南交通大學(xué)）

2針對多個分割頭的特征圖，在不同分割頭的輸出上增加通道注骨干網(wǎng)絡(luò)包括下采樣層，下采樣層的輸出端連接兩個相互并聯(lián)的分割頭、輕量級特征提取塊、融合模塊均依照與下采樣層第n個融合模塊的卷積運算模塊的輸出端與第n個分n個分割頭的輸出端分別與加和運算模塊的輸入端連接，加和運算模塊的的輸出端與3訓(xùn)練模塊：用以，構(gòu)建隧道裂縫檢測模型，并利用原始4[0002]隧道在城市基礎(chǔ)設(shè)施中扮演著至關(guān)重要的角色，作為交[0004]現(xiàn)有研究隧道襯砌裂縫識別中使用的大多數(shù)語義分割算法都是基于卷積神經(jīng)網(wǎng)高裂紋檢測精度方面的魯棒性和瓶頸不足的問題。一些基于Transformer的神經(jīng)網(wǎng)絡(luò)雖然5利用上下文語義信息，在提高裂紋檢測精度方面的魯棒性和瓶頸不足的問題。一些基于6[0038]n個分割頭的輸出端分別與加和運算模塊的輸入端連接，加和運算模塊的的輸出[0043](1)提高了檢測精度與準(zhǔn)確性：通過引入多頭輕量級語義分割模型和CBAM注意力7[0045](3)有效的注意力機制改善識別能力：引入的CBAM注意力機制優(yōu)化了特征融合過[0047]圖1為本發(fā)明的多頭結(jié)構(gòu)和注意力融合的輕量化隧道裂縫檢測模型的結(jié)構(gòu)示意[0054]針對背景技術(shù)指出的當(dāng)前隧道襯砌裂縫檢測技術(shù)面臨的問題1，本發(fā)明將以輕量級的骨干網(wǎng)絡(luò)Seaformer(Squeeze-enhancedAxialTransformer，擠壓增強型軸向變壓[0055]針對背景技術(shù)指出的當(dāng)前隧道襯砌裂縫檢測技術(shù)面臨的問題2，我們選取了一個地在移動端應(yīng)用。[0056]針對背景技術(shù)指出的當(dāng)前隧道襯砌裂縫檢測技術(shù)面臨的問題3，本發(fā)明主要通過解決算法在不同環(huán)境下分割的適應(yīng)性問題。同時，本方法通過Resize(調(diào)整大小)、[0059]使用專業(yè)相機或工業(yè)相機采集隧道襯砌表面圖像，通過標(biāo)注工具(AnyLabeling)8[0062]環(huán)境準(zhǔn)備：本方法是基于現(xiàn)有分割框架MMSegmentation實現(xiàn)的，需要準(zhǔn)備由不同模型參數(shù)進行特殊配置，如位置嵌入層(pos_emb)不進行權(quán)重衰減，某些層(head,[0070]特征提取和圖像分割：使用輕量級模型SeaFormer的骨干網(wǎng)絡(luò)和預(yù)訓(xùn)練權(quán)重文件分割頭。通過這種方式使得我們的模型在Crack11k上的浮點數(shù)運算量相較于傳統(tǒng)方法9所提出的模型引入了多頭檢測結(jié)構(gòu)。這種結(jié)構(gòu)能夠在網(wǎng)絡(luò)中建立多個分支，每個分支與[0077]針對多個分割頭的特征圖，我們引入了CBAM(ConvolutionalBlockAttention[0078]本發(fā)明提出的多頭檢測結(jié)構(gòu)和CBAM注意力機制在裂縫語義分割任務(wù)中取得了顯CrackSeg9k被細化以解決嘈雜的注釋的存在，而后者由沒有預(yù)處理的原始圖像組成。中挑選的較為平滑表面上的裂縫，這些裂縫與隧道內(nèi)襯砌表面裂縫十分相似。在數(shù)量上，均交并比與平均準(zhǔn)確率。在Crack9k上我們的方法在分割重要評價指標(biāo)mIoU上相較于現(xiàn)有評估模型大小(Params)和運算復(fù)雜度(GFLOPS)的參數(shù)中表現(xiàn)良好，在輸入模型的圖片為行實時分割。[0093]1.針對在裂縫分割中細小裂縫分割難的問題，我們提出了一種多級特征融合機的分割。[0112]步驟2：將預(yù)處理好的圖片的進行一次3×3的卷積，再將結(jié)果輸入到3×3的[0116]步驟6：將步驟5的結(jié)果輸入到5×5的MobileNetV2塊，步長2，再將結(jié)果輸入到[0117]步驟7：將步驟6的結(jié)果輸入到3×3的MobileNetV2塊，步長2，再將結(jié)果輸入到[0118]以上的步驟是通過SeaFormer層和MobileNetV2模塊實現(xiàn)輕量且有效的特征提取的骨干網(wǎng)絡(luò)，這兩個模塊是本方法能夠做到輕量且高效的關(guān)鍵，其中的關(guān)鍵點主要是[0121]若1≤i≤n-1，第i個MobileNetV2+SeaFormer塊的SeaFormer塊分別與第i個融合[0123]步驟8：將步驟3輸出的結(jié)果和步驟5輸出的結(jié)果作為輸入，輸入到融合模塊(FusionBlock)。融合模塊的具體操作是將步驟3的結(jié)果輸入到卷積層和batchnorm(批歸[0133]本說明書中所有實施例公開的所有特征