一种高速公路隧道衬砌裂缝实时端到端检测方法

本发明属于计算机视觉目标检测，具体涉及一种高速公路隧道衬砌裂缝实时端到端检测方法。

背景技术：

1、隧道衬砌裂缝是反映衬砌结构性能退化的重要表观病害，对隧道安全运营与养护决策具有重要意义。传统检测主要依赖人工目视巡查，效率较低且检测结果受主观因素影响，难以满足大规模、高频次的检测需求。近年来，基于深度学习的目标检测方法被引入裂缝检测领域。一种公开号为cn110689538a的中国专利，公开了一种隧道衬砌裂缝图像检测方法，该方案采用faster r-cnn网络对滑动窗口图像进行裂缝候选框检测，并结合连通区域算法去除伪裂缝。一种公开号为cn117934473b的中国专利，公开了一种基于深度学习的公路隧道表观裂缝检测方法，该方案以yolo系列网络为基础框架，引入注意力机制对骨干网络进行改进以适配复杂背景下的裂缝识别。然而，上述单阶段、二阶段检测方法依赖非极大值抑制等后处理步骤，且其骨干网络采用近似各向同性的方形感受野，对细长、高长宽比的裂缝目标全局一致性建模能力存在局限。

2、基于transformer的端到端检测框架通过集合预测与匹配学习，在结构上避免了对非极大值抑制的依赖，在通用目标检测场景中取得了较好效果。然而，此类框架面向通用目标设计，其骨干网络对高长宽比线状目标的各向异性特征提取能力不足；颈部多头自注意力模块对空间位置不具备显式的归纳偏置，缺乏对裂缝方向连续性的几何形态约束；传统步长卷积下采样在降低分辨率的同时容易削弱细线状边缘的高频信息；此外，现有基于交并比的边界框回归损失对跨尺度目标的优化力度不一致，难以同时兼顾宽度仅数像素的微小裂缝与延伸数米的贯穿裂缝的回归精度。上述问题共同导致现有端到端检测框架在处理隧道衬砌裂缝这类细长线状目标时，检测精度与定位稳定性有待提升。

技术实现思路

1、针对上述现有隧道衬砌裂缝存在的技术问题，本发明提供了一种高速公路隧道衬砌裂缝实时端到端检测方法。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、一种高速公路隧道衬砌裂缝实时端到端检测方法，包括下列步骤：

4、s1、采集多工况高速公路隧道衬砌图像，构建包含多尺度、多光照、多遮挡干扰裂缝样本的衬砌裂缝数据集，对图像统一尺寸缩放并标注裂缝真实边界框，按比例划分为训练集与验证集；

5、s2、搭建tcd-detr模型，对基线rt-detr-l进行四项结构改进：在骨干网络嵌入跨阶段级联双线性轴向上下文增强模块csc-baca；采用混合距离自注意力特征交互模块hsfi替换颈部原有aifi模块；特征交互下采样通路集成频域感知动态下采样模块fads；检测头边界回归分支采用sdg-iou动态交并比混合损失函数完成模型训练优化；

6、s3、采用adamw优化器、余弦退火学习率衰减策略、mosaic数据增强手段对tcd-detr模型迭代训练至收敛；

7、s4、将待检测隧道衬砌图像输入训练完成的tcd-detr模型，无需nms后处理，端到端输出裂缝检测框与类别置信度，完成衬砌裂缝自动化检测。

8、步骤s2中的csc-baca模块包含baca双线性轴向上下文增强块与跨阶段级联结构；所述baca块设置主、辅双路径，主路径通过条带卷积提取水平、垂直方向细长裂缝特征并加权抑制背景干扰，辅助路径对基础特征做一维轴向全局平均池化，经外积广播运算生成全局二维上下文特征，双路径特征融合输出强化裂缝轴向连续性的特征；

9、步骤s2中的hsfi模块并行设置曼哈顿距离自注意力masa与huber距离自注意力husa两类子注意力头；masa依托线性曼哈顿距离建模长直裂缝全局长程依赖，husa采用分段huber距离，近距离区间采用二次衰减强化裂缝弯曲、分叉局部细节关联，远距离区间采用线性衰减保留长程特征依赖，两类注意力头输出融合实现多尺度裂缝特征交互。

10、步骤s2中的fads模块并行设置频域感知分支与残差下采样分支；频域感知分支对输入特征执行局部dct离散余弦变换，拆分得到多组频域子带，通过轻量两层mlp自适应标定各频带权重以突出裂缝边缘高频细节；残差分支采用步长为2的深度可分离卷积完成空间下采样，两条分支输出逐元素相加融合，在下采样过程中保留裂缝细线边缘高频信息。

11、步骤s2中的sdg-iou动态交并比损失函数为giou损失与改进sdiou损失的加权混合损失；改进sdiou损失利用预测框、真实框面积几何均值构建对称尺度因子，引入对数尺度平方惩罚项约束裂缝尺度偏差，通过动态门控机制自适应调节尺度惩罚权重，实现微小、宽大跨尺度裂缝边界框精准回归。

12、所述baca双线性轴向上下文增强块的执行流程为：

13、输入特征x经5×5深度可分离卷积提取共享基础特征f；

14、主路径：采用水平、垂直条带卷积提取各向异性细长裂缝特征，与原始输入特征逐元素相乘实现无关背景抑制；

15、辅助路径：对基础特征f分别做水平全局平均池化hgap、垂直全局平均池化vgap，通过外积广播乘法生成全局二维上下文特征，再经1×1逐点卷积、gelu非线性激活得到全局上下文特征z；

16、将主路径输出特征与辅助路径特征z逐元素相加，输出单块轴向增强特征；

17、所述csc-baca跨阶段级联结构由两组cbs通道变换模块、中间串联的baca块以及可选残差连接构成，跨阶段逐级强化裂缝方向与连续性特征表征，同步降低模型整体参数量与计算开销。

18、所述husa的一维轴向huber距离对数偏置计算方式为：

19、设一维轴向上token相对距离d=|i-j|，δ为局部阈值，γ为衰减基数，α=logγ；

20、当d≤δ时，空间偏置项为α・d2/(2δ)；

21、当d>δ时，空间偏置项为α・(d-δ/2)；

22、融合高度、宽度维度的一维huber偏置得到完整husa注意力权重；

23、masa曼哈顿自注意力采用固定线性衰减偏置α・d，husa与masa多头并行输出后通道拼接，完成hsfi模块的多尺度特征交互。

24、所述fads模块中频域感知分支的处理步骤为：

25、对输入特征执行步长为2的局部归一化2点dct正交变换，分解得到低频子带fll、水平高频子带flh、垂直高频子带fhl、对角高频子带fhh四组频带系数；

26、对四组频带分别进行全局压缩统计得到单标量响应，输入两层轻量mlp生成自适应频带权重，利用权重对各频带系数完成加权标定；

27、将加权后的频带特征通道拼接，经3×3卷积压缩回原始通道维度，得到频域感知分支输出；

28、残差分支采用分组数等于通道数的3×3深度可分离卷积，设置步长stride=2完成空间下采样；

29、频域感知分支与残差分支的输出逐元素相加，作为fads模块最终下采样特征。

30、所述改进sdiou损失的构建方式为：

31、对称尺度因子β计算公式：

32、

33、其中，wp，hp与 wgt，hgt分别为预测框与真实框的宽高，δ∈(0,1] 为超参数；

34、尺度惩罚项

35、动态门控权重γ=β/δ，尺度惩罚总项为γ・s；

36、sdiou基础项融合gt框与预测框中心点的欧氏距离、最小外接矩形对角线与尺度惩罚总项；

37、混合损失计算公式：，λ∈[0,1]为平衡超参数，通过联合优化实现细微窄裂缝、宽大贯穿裂缝边界的同步精准回归。

38、步骤s1中数据集构建与训练超参数配置如下：

39、数据集包含自建隧道衬砌裂缝数据集与开源ttd隧道数据集；自建数据集包含2600张640×640分辨率图像，采集自隧道拱顶、侧壁、仰拱区域，样本包含直线、曲线、网状、分支多种裂缝形态，覆盖低照度、强反光、管线遮挡等干扰场景，按照7:3比例随机划分训练集与验证集；

40、模型训练超参数：adamw优化器初始学习率0.0002，权重衰减系数0.0005，批次大小设置为16，总训练轮次200轮，训练过程采用余弦退火学习率衰减策略与mosaic数据增强。

41、步骤s3中训练完成的tcd-detr模型性能指标满足：

42、在现场采集的隧道裂缝测试集上精确率92.2%、召回率88.1%、map50=92.0%、map50:95=64.3%；模型参数量24.3m，计算复杂度76.2gflops，相比基线rt-detr-l参数量降低25.9%、计算量降低29.4%；在开源ttd跨域隧道数据集上map50达到78.5%，漏检率低于yolo系列、其余detr类对比检测算法。

43、本发明与现有技术相比，具有的有益效果是：

44、1、本发明通过在骨干网络中引入轴向上下文增强模块，主路径采用大核条带卷积分别沿水平与垂直方向建立各向异性感受野，辅助路径通过全局平均池化与外积组合构建完整的二维轴向上下文增强项，两路径协同作用显著增强了对高长宽比线状目标的方向性特征提取能力，有效抑制了复杂背景纹理引起的伪检；同时，外层通道压缩-级联-恢复结构使骨干网络在提升表征能力的同时实现了模型轻量化，相比基线模型参数量降低25.9%，计算复杂度降低29.4%，为工程部署提供了充足的算力冗余。

45、2、本发明通过在颈部网络中以混合距离自注意力特征交互模块替换标准多头自注意力模块，并行的曼哈顿距离自注意力头与huber距离自注意力头分别承担宏观直线裂缝长程连贯性建模与微观弯曲裂缝局部平滑连续性建模的互补功能；曼哈顿距离头的线性衰减偏置为大范围直线性结构提供稳定的全局位置感知，huber距离头的近距离二次、远距离线性分段衰减偏置在局部邻域提供更平滑的上下文聚合梯度，两类注意力头协同作用有效抑制了细微特征在跨尺度特征交互中的断裂与弥散，使颈部网络具备显式的空间结构先验，提升了对多形态裂缝的检测召回率，相比基线模型召回率提升4.4%，map50达92.0%。

46、3、本发明通过设计频域感知动态下采样模块，频域感知分支利用固定归一化2点离散余弦变换基矩阵将输入特征分解为四个频域子带，经频带动态重加权单元以样本自适应的标量权重对各子带进行动态标定，在下采样阶段保留与裂缝边缘相关的高频细节信息；残差分支以步长为2的深度可分离卷积维持局部连续性，两路加性融合使频域分支的结构敏感调制作为对残差基线的补偿，在不引入额外参数的前提下提升下采样特征对细线状结构的保真能力，克服了传统步长卷积下采样削弱高频边缘信息的缺陷。

47、4、本发明通过提出混合边界框回归损失，改进尺度动态交并比损失以预测框与真实框面积几何平均值构建对称尺度因子，消除了原始方法的不对称性缺陷；对数尺度平方惩罚项在对数域直接约束宽高绝对偏差，动态门控权重使尺度惩罚随目标尺度自适应激活，避免对小目标施加过强约束；结合广义交并比损失保持无重叠区域的梯度引导能力，超参数λ灵活调节两者贡献，实现了对从宽度仅数像素的微小裂缝到延伸数米的贯穿裂缝的均衡多尺度回归优化，显著改善了跨尺度目标的边界框定位精度，map50:95达64.3%。