一种弱光复杂环境下隧道裂缝识别方法、系统、设备及介质与流程
本发明涉及列车信号控制系统,尤其是涉及一种弱光复杂环境下隧道裂缝识别方法、系统、设备及介质。
背景技术:
1、隧道作为重要的地下交通基础设施,其衬砌结构的健康状态直接关系到运营安全。裂缝是隧道衬砌最常见的病害之一,及时、准确地检测裂缝对于预防结构坍塌、制定维修方案具有重要意义;目前,基于计算机视觉的裂缝检测技术已逐渐取代人工巡检,成为主流的检测手段。
2、现有隧道裂缝识别技术主要分为三类:
3、基于 cnn 的深度学习方法:采用u-net、deepcrack、sddnet等卷积神经网络架构进行像素级裂缝分割,利用 cnn 强大的局部特征提取能力识别裂缝;但 cnn 的感受野有限,难以有效建模裂缝的长距离依赖关系,对复杂拓扑结构的裂缝分割不连续;在弱光条件下,cnn 的特征提取能力显著下降,对低对比度区域的裂缝识别准确率大幅降低;同时模型参数量大,推理速度慢,难以满足实时检测要求。
4、基于 transformer 的深度学习方法:采用vit、swin-transformer 等架构,利用自注意力机制建模长距离依赖,提升了对裂缝整体结构的感知能力;但自注意力机制的计算复杂度为二次方,推理速度慢,且 transformer 对局部纹理细节的捕捉能力弱于 cnn,细微裂缝容易漏检;此外,现有方法缺乏针对弱光环境的专门设计,抗干扰能力不足。
5、基于 mamba 的方法:采用线性复杂度的状态空间模型,具备全局建模能力和高效的推理速度;但 mamba 的渐进式数据处理机制限制了单遍前向传播中全局上下文的充分利用;缺乏对局部纹理细节的专门增强机制;且未针对弱光隧道场景进行优化,在强反光、水渍干扰下性能下降明显。
6、此外,现有方法缺乏针对弱光环境的专门设计,在隧道50-500lux的弱光复杂环境下,存在亮度不足、光照不均、强反光、水渍和粉尘等多源干扰,导致裂缝边缘模糊、背景伪边缘增多,识别准确率和鲁棒性显著下降。
7、因此如何来实现一种能够在弱光复杂环境下同时实现高精度裂缝识别、低误报率和高效推理的技术方案,成为需要解决的技术问题。
技术实现思路
1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种高精度裂缝识别、降低误报率的弱光复杂环境下隧道裂缝识别方法、系统、设备及介质。
2、本发明的目的可以通过以下技术方案来实现:
3、根据本发明的第一方面,提供了一种弱光复杂环境下隧道裂缝识别方法,,该方法包括以下步骤:
4、步骤s1,弱光图像预处理:对输入的隧道衬砌图像进行图像质量评估,根据评估结果自适应调整预处理参数,根据信噪比设置自适应去噪的滤波参数,并执行多尺度retinex增强、自适应去噪和动态范围扩展;
5、步骤s2,特征提取与编码:将预处理后的图像输入编码器进行特征提取,通过mamba状态空间模型计算获取ssm输出特征y,所述mamba状态空间模型根据输入特征计算隐藏状态的衰减因子、更新矩阵和投影矩阵,根据mamba内部的δt值沿通道维度对特征进行排序,将排序后的前部分通道作为全局token输入自注意力模块建模长距离依赖,将剩余通道作为局部token输入卷积神经网络模块增强局部纹理特征,将全局分支和局部分支的特征沿通道维度拼接后通过前馈网络融合,通过四级串联的transmixer block提取多尺度特征图;
6、步骤s3,边缘增强与特征融合:对多尺度特征图分别执行方向引导边缘增强,将特征图划分为多个局部视图,计算每个局部视图的梯度方向并生成方向嵌入向量,将方向嵌入向量与原始特征图相加后通过边缘卷积和sigmoid函数生成门控权重,与边缘卷积结果进行元素相乘,以最高分辨率特征图为引导生成空间注意力图,将低分辨率特征图上采样至最高分辨率特征图的空间尺寸,利用空间注意力图对各上采样特征进行逐像素加权细化,将所有细化后的特征图沿通道维度拼接得到融合特征图;
7、步骤s4,裂缝分割与后处理:基于融合特征图生成像素级裂缝概率图,对概率图进行二值化处理得到裂缝分割掩码,执行形态学处理,并执行连通域分析,计算裂缝属性并输出裂缝掩码和量化结果。
8、作为优选的技术方案,所述步骤s1中的图像质量评估具体为:通过计算平均照度、光照均匀度、信噪比和对比度来评估图像。
9、作为优选的技术方案,所述步骤s1中的自适应调整预处理参数包括根据平均照度和光照均匀度设置多尺度retinex的尺度参数,其中尺度参数设置为15、80和250。
10、作为优选的技术方案,所述步骤s2中的根据mamba内部的δt值沿通道维度对特征进行排序具体为:
11、将特征通道总数记为d,设置全局token比例系数为γ,将排序后的前dγ个通道作为全局token,将剩余d(1-γ)个通道作为局部token。
12、作为优选的技术方案,所述步骤s2中的四级串联的transmixer block每两级之间插入下采样操作,依次获取分辨率为128×128、64×64、32×32和16×16的多尺度特征图。
13、作为优选的技术方案,所述步骤s3中将特征图划分为多个局部视图的具体实现为:将特征图划分为8×8的不重叠局部视图,方向分箱数设置为120至240。
14、作为优选的技术方案,所述步骤s3中计算每个局部视图的梯度方向的具体实现为:利用sobel算子计算每个局部视图的水平和垂直梯度,通过反正切函数得到每个像素的方向弧度值,统计每个局部视图的方向直方图生成方向嵌入向量。
15、作为优选的技术方案,所述步骤s3中融合的多尺度特征图包括分辨率为128×128、64×64、32×32和16×16的四个特征图。
16、作为优选的技术方案,所述步骤s4中的形态学处理包括:采用开运算去除孤立噪声点,采用闭运算连接断裂的裂缝片段,过滤面积小于5至15像素的误检区域。
17、作为优选的技术方案,所述步骤s4中计算的裂缝属性包括长度、最大宽度、平均宽度、面积、延伸方向和位置坐标。
18、根据本发明的第二方面,提供了一种弱光复杂环境下隧道裂缝识别系统,包括:
19、弱光图像预处理模块,用于对输入的隧道衬砌图像进行图像质量评估,根据评估结果自适应调整预处理参数,执行多尺度retinex增强、自适应去噪和动态范围扩展;
20、mixercseg裂缝分割模块,用于对预处理后的图像进行特征提取与编码、边缘增强与特征融合,所述mixercseg裂缝分割模块包括transmixer编码器、degconv边缘增强子模块和srf多级融合子模块,所述transmixer编码器通过mamba状态空间模型计算获取特征并根据δt值进行通道解耦,将全局token输入自注意力模块建模长距离依赖,将局部token输入卷积神经网络模块增强局部纹理特征,所述degconv边缘增强子模块对多尺度特征图执行方向引导边缘增强,所述srf多级融合子模块以最高分辨率特征图为引导对低分辨率特征图进行空间加权细化并沿通道维度拼接;
21、后处理模块,用于基于融合特征图生成像素级裂缝概率图,对概率图进行二值化处理得到裂缝分割掩码,执行形态学处理和连通域分析,计算裂缝属性并输出裂缝掩码和量化结果。
22、作为优选的技术方案,所述transmixer编码器包括四级串联的transmixerblock,所述degconv边缘增强子模块包括空间分块单元和方向嵌入单元,所述srf多级融合子模块包括空间注意力生成单元和通道拼接单元。
23、根据本发明的第三方面,提供了一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现所述的方法。
24、根据本发明的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现所述的方法。
25、与现有技术相比,本发明具有以下优点:
26、1)本发明基于mamba隐藏注意力特性的通道解耦策略,深入分析mamba状态空间模型的内在注意力机制,根据δt值自然将特征通道解耦为全局token和局部token,而非简单地堆叠mamba、transformer和cnn模块,实现了混合架构的有机融合,在保持2.54m参数和2.05gflops轻量级设计的同时,同时具备mamba的线性复杂度、transformer的全局建模能力和cnn的局部细节增强能力,克服了现有cnn方法感受野有限、难以建模长距离依赖的缺陷,也克服了现有transformer方法计算复杂度高、对局部细节捕捉能力弱的缺陷,还克服了现有mamba方法缺乏局部纹理增强机制的缺陷;
27、2)本发明通过设计transmixer混合架构编码器,全局分支通过自注意力机制建模裂缝的长距离依赖,解决了复杂拓扑结构裂缝分割不连续的问题;局部分支通过cnn式局部细化模块增强细粒度纹理特征,提升了对毫米级细微裂缝的识别能力,两者协同工作,使模型在弱光环境下仍能同时捕捉裂缝的全局结构和局部细节;
28、3)本发明通过提出degconv方向引导边缘门控卷积,引入裂缝的方向先验知识,通过空间分块和方向直方图统计生成方向嵌入向量,结合门控机制动态调节信息流动,显著增强了模型对不规则裂缝几何结构的边缘感知能力,有效抑制了水渍、粉尘等背景干扰产生的伪边缘,降低了误报率,实验结果表明,相比于未采用方向引导边缘增强的方案,本发明方法的误报率降低了15%,证明了方向先验知识和门控机制在抑制伪边缘方面的有效性;
29、4)本发明通过专门针对弱光隧道环境设计自适应预处理模块,集成图像质量评估、自适应光照增强、智能去噪和动态范围扩展功能,能够根据输入图像的质量自动调整处理参数,有效解决了隧道弱光环境下亮度不足、光照不均、强反光、多源干扰等问题,为后续分割模块提供了高质量的输入,实验结果表明,相比于未采用自适应预处理的方案,本发明方法在弱光环境下的识别准确率提升了20%,证明了自适应预处理在弱光复杂环境下的重要性,克服了现有技术缺乏针对弱光环境专门设计的缺陷;
30、5)本发明通过采用srf空间细化多级融合策略,以高分辨率浅层特征为引导,对低分辨率深层特征进行空间加权细化,解决了传统多级特征融合中空间不一致导致的边界错位问题,提升了裂缝边界的分割精度,同时该模块设计轻量,在提升性能的同时未显著增加计算复杂度,实现了单张图像≤3s的快速推理,实验结果表明,相比于传统的简单拼接融合方案,本发明方法的推理时间仅为现有深度学习方法的1/2至1/4,证明了空间细化融合策略在提升边界精度和保持计算效率方面的优势。
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