一种水泥电杆表面裂纹识别方法与流程

本技术属于识别领域，尤其涉及一种水泥电杆表面裂纹识别方法。

背景技术：

1、水泥电杆作为电力、通信等基础设施中的重要承载组件，其结构安全性和稳定性直接关系到线路网络的正常运行。在长期户外服役过程中，水泥电杆易受到自然风化、温湿度交替、地基沉降以及外力碰撞等因素影响，表面逐渐产生裂纹。若未能及时发现并处理，裂纹可能进一步扩展，引发内部钢筋锈蚀和结构承载能力下降，严重时甚至造成电杆倾斜或倒塌。传统裂纹检测主要依赖人工巡检，存在工作量大、效率低、主观性强等问题，且容易受到巡检人员疲劳、观察角度受限和现场环境复杂等因素影响，导致漏检、误检风险较高，并伴随一定作业安全隐患。随着图像采集设备和深度学习技术的发展，利用图像识别方式对水泥电杆表面裂纹进行自动检测，已成为提升巡检效率和安全性的有效技术方向。

2、然而，水泥电杆通常处于复杂户外环境中，采集图像容易受到光照不均、阴影遮挡、表面污渍、背景杂物以及电杆粗糙纹理等因素干扰；同时，电杆裂纹多呈细长、微小、低对比度和形态不规则等特征。常规深度学习模型在特征提取过程中，容易因局部感受野有限而难以充分获取裂纹延伸方向上的上下文信息，也可能在深层特征传递过程中削弱细微纹理和边缘细节。现有引入注意力机制的识别方法，通常对特征映射向量采用线性变换方式，对局部空间结构、像素间相对位置关系以及裂纹几何形态的利用仍不充分，导致模型在复杂背景下对真实微小裂纹与伪影噪声的区分能力受限，识别准确率和稳定性仍有提升空间。因此，如何构建一种能够融合局部结构细节、上下文信息和空间位置信息的水泥电杆裂纹识别方法，成为亟待解决的技术问题。

技术实现思路

1、为了解决现有技术中水泥电杆裂纹图像受复杂背景干扰、局部细节易丢失、空间位置信息利用不足而导致识别准确率和稳定性受限的问题，第一方面，本发明提供了一种水泥电杆表面裂纹识别方法，包括以下步骤：

2、获取水泥电杆表面图像，通过骨干网络提取图像的内容特征图；在键向量生成通路中，对所述内容特征图的每个位置，通过轻量化网络生成卷积核权重，利用所述卷积核权重对所述内容特征图在对应位置的局部邻域进行卷积，得到键基底特征；将所述键基底特征与所述内容特征图的原始特征拼接，送入门控前馈网络得到键向量；

3、在值向量生成通路中，对所述内容特征图通过扩张卷积扩大感受野，得到值基底特征；将所述值基底特征经投影网络生成初始值向量；将二维坐标经编码投影生成位置值向量；利用所述值基底特征生成多维空间调制系数，将经所述多维空间调制系数加权后的位置值向量与所述初始值向量相加得到值向量；

4、将所述内容特征图通过全局平均池化和投影映射生成与所述键向量维度一致的查询向量；计算查询向量与所有键向量的注意力分数，根据所述分数对所有值向量加权求和得到聚合特征；将所述聚合特征输入到多层感知机分类网络中，输出所述水泥电杆是否存在裂纹的识别结果。

5、可选地，所述获取水泥电杆表面图像，通过骨干网络提取图像的内容特征图，包括：

6、使用工业相机拍摄待检的水泥电杆表面，获取表面图像；

7、将所述表面图像输入带有残差连接的深度卷积神经网络模型中，通过逐层卷积和池化操作提取多尺度空间细节特征；

8、对提取的多尺度特征图进行裁剪、缩放和拼接融合，输出所述内容特征图。

9、可选地，所述对所述内容特征图的每个位置，通过轻量化网络生成卷积核权重，利用所述卷积核权重对所述内容特征图在对应位置的局部邻域进行卷积，得到键基底特征，包括：

10、提取所述内容特征图在当前位置的特征通道向量；

11、将所述特征通道向量输入包含全连接层和tanh激活函数的轻量化网络，输出归一化到预设范围内的权重序列；

12、将所述权重序列重塑为四维卷积核参数矩阵；

13、以所述当前位置为中心，利用所述四维卷积核参数矩阵对预设大小的局部邻域内的特征张量进行卷积运算，输出融合局部上下文信息的所述键基底特征。

14、可选地，所述将所述键基底特征与所述内容特征图的原始特征拼接，送入门控前馈网络得到键向量，包括：

15、将所述键基底特征与对应位置的原始特征在通道维度上进行拼接，得到拼接特征向量；

16、将所述拼接特征向量分为两个并行的前馈支路；

17、在第一前馈支路中，通过恒等映射输出所述拼接特征向量作为基底信息；

18、在第二前馈支路中，通过多层感知机和sigmoid函数计算得到取值范围在0到1之间的门控掩码权重；

19、将所述基底信息与所述门控掩码权重进行逐元素相乘，并对相乘后的特征进行通道降维映射，得到所述键向量。

20、可选地，所述对所述内容特征图通过扩张卷积扩大感受野，得到值基底特征，包括：

21、设置空洞率大于1的扩张卷积核，对所述内容特征图进行卷积处理；

22、对卷积输出进行归一化和非线性激活处理，得到所述值基底特征。

23、可选地，所述将二维坐标经编码投影生成位置值向量，包括：

24、获取所述内容特征图中每个位置的横向坐标和纵向坐标；

25、分别将所述横向坐标和纵向坐标输入不同频率的正弦和余弦函数中，得到具有多频段绝对位置信息的正余弦位置编码；

26、将所述横向坐标和纵向坐标的正余弦位置编码进行拼接，得到二维位置编码向量；

27、通过由全连接层组成的线性投影系统对所述二维位置编码向量进行维度变换，输出与所述初始值向量维度一致的所述位置值向量。

28、可选地，所述计算查询向量与所有键向量的注意力分数，根据所述分数对所有值向量加权求和得到聚合特征，包括：

29、计算所述查询向量与每一个位置的键向量的点积，将点积结果除以缩放因子，再通过softmax函数进行归一化处理，得到各个位置的注意力分数；

30、将每一个位置的所述注意力分数与对应的所述值向量进行标量乘法；

31、将加权后的所有所述值向量在空间维度上进行累加求和，得到融合全局注意力信息的所述聚合特征。

32、另一方面，本发明还提供了一种水泥电杆表面裂纹识别系统，包括以下模块：

33、提取模块，用于获取水泥电杆表面图像，通过骨干网络提取图像的内容特征图；在键向量生成通路中，对所述内容特征图的每个位置，通过轻量化网络生成卷积核权重，利用所述卷积核权重对所述内容特征图在对应位置的局部邻域进行卷积，得到键基底特征；将所述键基底特征与所述内容特征图的原始特征拼接，送入门控前馈网络得到键向量；

34、生成模块，用于在值向量生成通路中，对所述内容特征图通过扩张卷积扩大感受野，得到值基底特征；将所述值基底特征经投影网络生成初始值向量；将二维坐标经编码投影生成位置值向量；利用所述值基底特征生成多维空间调制系数，将经所述多维空间调制系数加权后的位置值向量与所述初始值向量相加得到值向量；

35、识别模块，用于将所述内容特征图通过全局平均池化和投影映射生成与所述键向量维度一致的查询向量；计算查询向量与所有键向量的注意力分数，根据所述分数对所有值向量加权求和得到聚合特征；将所述聚合特征输入到多层感知机分类网络中，输出所述水泥电杆是否存在裂纹的识别结果。

36、进一步地，所述获取水泥电杆表面图像，通过骨干网络提取图像的内容特征图，包括：

37、使用工业相机拍摄待检的水泥电杆表面，获取表面图像；

38、将所述表面图像输入带有残差连接的深度卷积神经网络模型中，通过逐层卷积和池化操作提取多尺度空间细节特征；

39、对提取的多尺度特征图进行裁剪、缩放和拼接融合，输出所述内容特征图。

40、进一步地，所述对所述内容特征图的每个位置，通过轻量化网络生成卷积核权重，利用所述卷积核权重对所述内容特征图在对应位置的局部邻域进行卷积，得到键基底特征，包括：

41、提取所述内容特征图在当前位置的特征通道向量；

42、将所述特征通道向量输入包含全连接层和tanh激活函数的轻量化网络，输出归一化到预设范围内的权重序列；

43、将所述权重序列重塑为四维卷积核参数矩阵；

44、以所述当前位置为中心，利用所述四维卷积核参数矩阵对预设大小的局部邻域内的特征张量进行卷积运算，输出融合局部上下文信息的所述键基底特征。

45、进一步地，所述将所述键基底特征与所述内容特征图的原始特征拼接，送入门控前馈网络得到键向量，包括：

46、将所述键基底特征与对应位置的原始特征在通道维度上进行拼接，得到拼接特征向量；

47、将所述拼接特征向量分为两个并行的前馈支路；

48、在第一前馈支路中，通过恒等映射输出所述拼接特征向量作为基底信息；

49、在第二前馈支路中，通过多层感知机和sigmoid函数计算得到取值范围在0到1之间的门控掩码权重；

50、将所述基底信息与所述门控掩码权重进行逐元素相乘，并对相乘后的特征进行通道降维映射，得到所述键向量。

51、进一步地，所述对所述内容特征图通过扩张卷积扩大感受野，得到值基底特征，包括：

52、设置空洞率大于1的扩张卷积核，对所述内容特征图进行卷积处理；

53、对卷积输出进行归一化和非线性激活处理，得到所述值基底特征。

54、进一步地，所述将二维坐标经编码投影生成位置值向量，包括：

55、获取所述内容特征图中每个位置的横向坐标和纵向坐标；

56、分别将所述横向坐标和纵向坐标输入不同频率的正弦和余弦函数中，得到具有多频段绝对位置信息的正余弦位置编码；

57、将所述横向坐标和纵向坐标的正余弦位置编码进行拼接，得到二维位置编码向量；

58、通过由全连接层组成的线性投影系统对所述二维位置编码向量进行维度变换，输出与所述初始值向量维度一致的所述位置值向量。

59、进一步地，所述计算查询向量与所有键向量的注意力分数，根据所述分数对所有值向量加权求和得到聚合特征，包括：

60、计算所述查询向量与每一个位置的键向量的点积，将点积结果除以缩放因子，再通过softmax函数进行归一化处理，得到各个位置的注意力分数；

61、将每一个位置的所述注意力分数与对应的所述值向量进行标量乘法；

62、将加权后的所有所述值向量在空间维度上进行累加求和，得到融合全局注意力信息的所述聚合特征。

63、本发明通过轻量化网络为内容特征图各位置生成对应卷积核权重，并执行局部邻域卷积，结合原始特征和门控前馈网络，提取水泥电杆表面裂纹的细微局部特征。在值向量生成通路中，通过扩张卷积扩大感受野，获取裂纹上下文信息；同时融合二维坐标编码和多维空间调制系数，增强对裂纹空间分布及几何形态的表征能力。进一步利用全局查询向量与键、值向量构建注意力机制，使模型能够关注疑似裂纹区域，降低复杂背景干扰，提高裂纹识别的准确率和稳定性。