一种裂缝的智能检测方法、装置和设备与流程

本公开涉及裂缝识别，尤其涉及一种裂缝的智能检测方法、装置和设备。

背景技术：

1、随着城市化进程的快速推进，大量既有建筑结构进入老化期，建筑上的裂缝作为结构损伤的最直观表现形式，其精准识别与量化评估是判断建筑安全状态的核心依据。现有的裂缝检测主要依赖人工目视检查配合裂缝测宽仪、塞尺等工具进行测量，裂缝的检测结果的误差率比较高。

技术实现思路

1、为克服相关技术中存在的问题，本公开提供一种裂缝的智能检测方法、装置和设备，以解决相关技术中，人工检测裂缝所导致的误差率高的问题。

2、根据本公开实施例的第一方面，一种裂缝的智能检测方法，包括：

3、获取裂缝的原始图像；

4、基于参照物角点检测置信度、棋盘格角点间距一致性、参照物区域灰度均匀性，确定裂缝的原始图像的质量；响应于裂缝的原始图像的质量合格，对裂缝的原始图像进行校正，得到裂缝的校正图像；

5、确定裂缝的校正图像中的裂缝的多层级特征，裂缝的多层级特征包括局部二值模式纹理特征、边缘梯度响应特征和局部对比度增强特征；

6、将裂缝的多层级特征进行动态加权融合得到裂缝的融合特征；

7、根据裂缝的参数和融合特征，采用prophet时序分解算法与裂缝扩展速率经验模型，对裂缝进行风险预警；

8、其中，参数包括：裂缝的最大宽度、总长度、节点数量和拓扑复杂度指数。

9、第二方面，本申请提出了一种裂缝的智能检测装置，包括：

10、获取模块，用于获取裂缝的原始图像；

11、图像处理模块，用于基于参照物角点检测置信度、棋盘格角点间距一致性、参照物区域灰度均匀性，确定裂缝的原始图像的质量；响应于裂缝的原始图像的质量合格，对裂缝的原始图像进行校正，得到裂缝的校正图像；

12、特征确定模块，用于确定裂缝的校正图像中的裂缝的多层级特征，裂缝的多层级特征包括局部二值模式纹理特征、边缘梯度响应特征和局部对比度增强特征；

13、特征融合模块，用于将裂缝的多层级特征进行动态加权融合得到裂缝的融合特征；

14、混合预测模块，根据裂缝的参数和融合特征，采用prophet时序分解算法与裂缝扩展速率经验模型，对裂缝进行风险预警。

15、第三方面，一种电子设备，包括：至少一个处理器和至少一个存储器；存储器用于存储一个或多个程序指令；处理器，用于运行一个或多个程序指令，用以执行如上述任一项的裂缝的智能检测方法。

16、本公开的实施例提供的技术方案可以包括以下有益效果：

17、与现有技术相比，本申请的技术方案，将裂缝的多层级特征得到融合特征，基于融合特征，采用prophet时序分解算法与裂缝扩展速率经验模型进行风险预警，可以显著提高风险预警的准确性。

18、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

1.一种裂缝的智能检测方法，其特征在于，包括：

2.根据权利要求1所述的裂缝的智能检测方法，其特征在于，采用prophet时序分解算法与裂缝扩展速率经验模型，对所述裂缝进行风险预警，包括：

3.根据权利要求2所述的裂缝的智能检测方法，其特征在于，所述方法还包括：

4.根据权利要求3所述的裂缝的智能检测方法，其特征在于，确定所述裂缝在所述采样时间点的所述参数的归一化不确定权重参数，具体包括：

5.根据权利要求1所述的裂缝的智能检测方法，其特征在于，所述方法还包括：

6.根据权利要求5所述的裂缝的智能检测方法，其特征在于，根据所述裂缝类型判断参数确定所述裂缝的类型，包括：

7.根据权利要求5所述的裂缝的智能检测方法，其特征在于，

8.根据权利要求1所述的裂缝的智能检测方法，其特征在于，

9.一种裂缝的智能检测装置，其特征在于，包括：

10.一种电子设备，其特征在于，包括：至少一个处理器和至少一个存储器；所述存储器用于存储一个或多个程序指令；所述处理器，用于运行一个或多个程序指令，用以执行如权利要求1至8任一项所述的裂缝的智能检测方法。