混凝土缺陷重采样与分割方法、系统、设备及介质与流程
本发明涉及图像数据处理,尤其是涉及混凝土缺陷重采样与分割方法、系统、设备及介质。
背景技术:
1、混凝土构件(如变电站水泥杆、桥梁墩柱、隧道衬砌等)在长期服役过程中会产生裂缝、露筋、漏浆等表面缺陷。准确、鲁棒地从图像中分割出这些缺陷是后续几何量化、损伤评估与维修决策的基础。近年来,基于深度学习的图像分割方法取得了显著进展,尤其是融合注意力机制的特征金字塔网络和u型结构,在复杂背景下表现出较好的性能。
2、然而,现有方法仍存在以下核心不足:
3、第一,缺乏对光照等环境因素的主动感知与响应。现有分割网络均为“被动成像”模式,即接受什么图像就处理什么图像。在户外检测中,光照条件复杂多变(晴天强光、阴天弱光、背光阴影、局部过曝),直接导致采集图像对比度低、边缘模糊、局部信息丢失。当图像质量不佳导致分割不确定性增大时,系统无法主动提示操作人员调整光照或补拍角度。现场检测人员往往依赖经验判断是否需要补光或改变角度,缺乏量化依据,效率低下且结果不稳定。
4、第二,分割掩码确定性输出,缺乏不确定性表达。现有方法通常输出二值掩码(通过固定阈值将概率图二值化),丢失了边缘区域的不确定性信息。在光照阴影干扰下,缺陷边缘像素的分割概率往往处于中间值的模糊区间,固定阈值的二值化操作会引入明显的边界误差。这种不确定性信息的丢失使得后续处理无法获知分割的可靠程度。
5、第三,多视角信息利用率低。即使操作人员从不同角度、不同光照条件下补拍了图像,现有方法仅做简单的图像拼接或结果投票,未充分利用多视角之间的几何一致性约束来校正分割与测量误差。特征级的融合被忽视,导致信息浪费,补拍图像的价值未能充分挖掘。
技术实现思路
1、本发明的目的是提供混凝土缺陷重采样与分割方法、系统、设备及介质,通过引入图像清晰度评估、温度标定概率分割、不确定性驱动的重采样预警以及多视角特征级融合,实现从被动成像到主动预警、从确定性分割到概率化分割的技术跨越,显著提升复杂光照环境下混凝土缺陷分割的鲁棒性与精度。
2、为实现上述目的,本发明提供了混凝土缺陷重采样与分割方法,包括以下步骤:
3、步骤s1、获取混凝土构件表面缺陷图像并作为初始图像,记录对应的采集参数及环境参数;将初始图像输入至预先构建的分割网络进行处理,输出校准后的概率分割图,并基于校准后的概率分割图及初始图像计算评估指标;
4、步骤s2、当评估指标超出预设范围时,触发重采样预警,生成重采样预警信息;
5、步骤s3、将重采样预警信息推送至监控终端,并在获取人工确认指令后,依据重采样预警信息执行补充成像,得到补充图像;将初始图像与补充图像进行特征级融合,以更新校准后的概率分割图;
6、步骤s4、将更新后的校准后的概率分割图作为最终分割结果输出,最终分割结果用于表示混凝土构件表面缺陷的像素级位置与置信度。
7、优选的,步骤s1中,分割网络包括层级化特征提取增强网络和u型深浅层特征融合网络;层级化特征提取增强网络由依次连接的下采样层、c3k2模块、sppf模块、c2psa模块和十字交叉注意力模块构成,输出多尺度特征图;u型深浅层特征融合网络由通道压缩模块和u型深浅层特征融合模块构成,通过双线性上采样与残差精炼生成融合特征图;
8、分割网络采用多任务联合损失函数进行训练,多任务联合损失函数包括分割损失和多视角一致性损失;分割损失采用二元交叉熵损失,计算预测概率图与真实掩码之间的差异;多视角一致性损失用于约束同一缺陷在不同视角下预测的温度标定概率分割图满足对极几何关系。
9、优选的,步骤s1中,校准后的概率分割图为温度标定概率分割图,其获取方式为:分割网络的分割分支输出原始逻辑值,通过温度参数缩放后经sigmoid激活得到温度标定概率分割图:
10、;
11、其中,为温度标定概率分割图中像素点处的校准概率值,为分割网络在像素点处输出的原始逻辑值,为sigmoid函数。
12、优选的,步骤s1中,评估指标包括缺陷区域的预测信息熵以及整幅图像的清晰度指标。
13、优选的,步骤s1中,清晰度指标由全局对比度、局部对比度、边缘梯度幅值均值及光照均匀度综合计算得到,当时判定为清晰度不足;
14、预测信息熵的计算公式为:
15、;
16、其中,为缺陷候选区域,为区域内的像素数量,为区域平均信息熵。
17、优选的,步骤s2中,预设范围为预测信息熵超过预设的不确定性阈值,或清晰度指标低于预设的图像质量阈值;不确定性阈值为0.6,图像质量阈值为0.5;
18、重采样预警信息中包含推荐的采集参数以及预期精度提升幅度;推荐的采集参数包括调整光照、改变拍摄角度、缩短拍摄距离中的一种或多种;
19、推荐的采集参数通过预先训练的视角-光照-信息增益映射网络获得,视角-光照-信息增益映射网络以校准后的概率分割图、深度特征图、采集参数及环境参数中的光照参数为输入,输出各候选参数下的预期信息增益,并选取增益最大的候选参数组合作为推荐的采集参数;候选参数包括:辅助照明开启或关闭及照明角度、拍摄距离、俯仰角、方位角。
20、优选的,步骤s3中,依据重采样预警信息执行补充成像,具体为依据重采样预警信息中包含的推荐的采集参数执行补充成像;将初始图像与补充图像进行特征级融合,具体包括:
21、将初始图像与补充图像分别通过共享权重的特征提取网络得到多尺度特征图,基于初始图像与补充图像的相对位姿进行特征重投影对齐,通过注意力机制加权融合;注意力加权融合的计算公式为:
22、;
23、;
24、其中,为第层融合后的特征图,分别为初始图像和补充图像在第层的特征图,为可学习的注意力权重图,为sigmoid函数,为可学习参数,表示沿通道维度的拼接操作,表示转置;
25、基于初始图像与补充图像的相对位姿进行特征重投影对齐包括:根据初始图像的采集位姿参数与执行补充成像时记录的补充图像的采集位姿参数计算单应矩阵,将补充图像重投影至初始图像的坐标系,得到对齐后的图像。
26、本发明还提供了混凝土缺陷重采样与分割系统,包括:
27、图像采集模块,用于获取混凝土构件表面缺陷图像并作为初始图像,并记录对应的采集参数及环境参数;
28、分割处理模块,用于将初始图像输入至预先构建的分割网络进行处理,输出校准后的概率分割图;
29、评估指标计算模块,用于基于校准后的概率分割图及初始图像计算评估指标;
30、重采样预警模块,用于当评估指标超出预设范围时触发重采样预警,并生成重采样预警信息;
31、融合更新模块,用于在获取人工确认指令并执行补充成像得到补充图像后,将初始图像与补充图像进行特征级融合,以更新校准后的概率分割图;
32、结果输出模块,用于将更新后的校准后的概率分割图作为最终分割结果输出。
33、本发明还提供了一种计算机设备,包括:存储器和处理器;存储器存储有计算机程序,处理器执行计算机程序时实现上述的混凝土缺陷重采样与分割方法的步骤。
34、本发明还提供了一种计算机可读的存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的混凝土缺陷重采样与分割方法的步骤。
35、因此,本发明采用上述的混凝土缺陷重采样与分割方法、系统、设备及介质,有益技术效果如下:
36、(1)本发明通过计算缺陷区域的预测信息熵和整幅图像的清晰度指标,并在预测信息熵超出不确定性阈值或所述清晰度指标低于图像质量阈值时触发重采样预警,能够在成像环节主动感知光照不足、阴影遮挡等环境因素导致的图像质量退化问题,改变现有分割网络“被动成像”的固有模式,为现场检测提供量化的补拍决策依据,从而提升复杂光照环境下分割的鲁棒性。
37、(2)本发明采用温度参数对分割网络输出逻辑值进行缩放校准,输出反映边缘不确定性的校准后概率分割图,并结合预测信息熵作为不确定性度量,相较于现有方法直接输出固定阈值的二值掩码,能够有效保留缺陷边缘像素的模糊区间信息,避免固定阈值二值化引入的边界误差,从而提升缺陷分割的边界精度。
38、(3)本发明将初始图像与补充图像进行特征级融合更新概率分割图,通过可学习的注意力权重自适应地抑制因配准误差产生的伪影,相较于现有方法中简单的图像拼接或结果投票,能够更充分地挖掘补充图像中的有效信息,从而提升分割边缘的精细度和完整度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com