隧道渗漏水图像的智能检测方法、装置、设备及存储介质

技术特征：
1.一种隧道渗漏水图像的智能检测方法，其特征在于，包括：获取预设样本库中的多个渗漏水图像样本；对每个渗漏水图像样本分别进行标记，得到含有标记的渗漏水标签图；基于每个渗漏水图像样本及其渗漏水标签图，对预先构建的渗漏水图像检测模型进行训练，得到训练好的渗漏水图像检测模型；其中，所述渗漏水图像检测模型至少包括编码器、与所述编码器跳跃连接的解码器、连接所述编码器和所述解码器的中心层，以及分别与所述解码器和所述中心层的输出端连接的深度监督网络模块，且在所述编码器和所述解码器中均设有注意力模块，所述注意力模块包括多个并行的且具有不同空洞率的卷积；基于训练好的所述渗漏水图像检测模型对待检测的渗漏水图像进行检测。2.如权利要求1所述的智能检测方法，其特征在于，所述注意力模块为将eca模块中大小为k的一维卷积块变换为包括多个并行的且具有不同空洞率的卷积块；且所述解码器中的注意力模块的输出和所述中心层的输出作为所述深度监督网络的输入。3.如权利要求1或2所述的智能检测方法，其特征在于，所述编码器和所述解码器均包括多个层级，所述编码器的每个层级均包括顺次连接的卷积块、注意力模块和下采样层；所述解码器的每个层级均包括顺次连接的最近邻上采样层、卷积块和注意力模块；所述中心层用于连接所述编码器的最下层级和所述解码器的最上层级；在所述中心层的输出端、以及所述解码器的每个层级的输出端均设有深度监督网络模块，所述深度监督网络模块用于预测所述解码器的每个层级的输出，并将输出的结果用于深度监督学习。4.如权利要求3所述的智能检测方法，其特征在于，所述基于每个渗漏水图像样本及其渗漏水标签图，对预先构建的渗漏水图像检测模型进行训练，包括：基于第一分割结果与所述含有标记的渗漏水标签图，对所述渗漏水图像检测模型的每个层级的混合损失函数进行调整；其中，所述第一分割结果为所述渗漏水图像样本经过每个层级的所述编码器、所述解码器以及深度监督网络模块处理后得到的预测结果，每个层级的混合损失函数均包括二值交叉熵损失函数和dice损失函数；基于所述渗漏水图像检测模型的整体损失函数、每个渗漏水图像样本及其渗漏水标签图，对预先构建的渗漏水图像检测模型进行训练；其中，所述整体损失函数为每层混合损失函数的线性组合。5.如权利要求4所述的智能检测方法，其特征在于，所述每层混合损失函数l
seg
为：l
seg
＝αl
bce
l
dice
；所述整体损失函数l为：其中，所述l
bce
为二值交叉熵损失函数，l
dice
为dice损失函数，m为所述深度监督网络模块的总层数，m为正整数，α为比例系数，0＜α＜1。6.如权利要求3所述的智能检测方法，其特征在于，所述编码器和所述解码器的每个层级的注意力模块的空洞率相同，且所述编码器和所述解码器中第一层级的注意力模块的空洞率与其他层级的注意力模块的空洞率不同。7.如权利要求6所述的智能检测方法，其特征在于，所述编码器和所述解码器均包括4
个层级，所述编码器的每个层级均包括顺次连接的两个卷积块，一个注意力层和一个下采样层，所述解码器的每个层级均包括顺次连接的一个最近邻上采样层、两个卷积块和一个注意力模块，所述中心层包括两个卷积块，其中，所述卷积块包括一个3
×
3的卷积层，一个批量归一化层和一个校正线性单元；所述注意力模块包括4个并行的一维空洞卷积，且所述编码器和所述解码器第一层级的注意力模型的空洞率为(1,2,4,8)，其他层级的注意力模型的空洞率为(1,4,8,16)；所述深度监督网络模块为side network，用于预测所述解码器的每个层级的输出，并将所述解码器的每个层级的输出用于深度监督学习；其中，所述side network包括一个1
×
1的卷积层、一个最近邻上采样层和sigmoid函数层；所述中心层的输出与所述解码器每个层级的最近邻上采样层生成的特性图作为所述side network的输入，所述解码器最后一个层级的输出经过所述side network处理后得到的结果为所述渗漏水图像检测模型的输出结果。8.一种隧道渗漏水图像的智能检测装置，其特征在于，包括：获取样本模块，用于获取预设样本库中的多个渗漏水图像样本；标记样本模块，用于对每个渗漏水图像样本分别进行标记，得到含有标记的渗漏水标签图；训练模型模块，用于基于每个渗漏水图像样本及其渗漏水标签图，对预先构建的渗漏水图像检测模型进行训练，得到训练好的渗漏水图像检测模型；其中，所述渗漏水图像检测模型至少包括编码器、与所述编码器跳跃连接的解码器、连接所述编码器和所述解码器的中心层，以及分别与所述解码器和所述中心层的输出端连接的深度监督网络模块，且在所述编码器和所述解码器中均设有注意力模块，所述注意力模块包括多个并行的且具有不同空洞率的卷积；检测模块，用于基于训练好的所述渗漏水图像检测模型对待检测的渗漏水图像进行检测。9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至7任一项所述的方法。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。

技术总结
本发明提供隧道渗漏水图像的智能检测方法、装置、设备及存储介质，该方法包括：获取预设样本库中的多个渗漏水图像样本；对每个渗漏水图像样本分别进行标记，得到含有标记的渗漏水标签图；基于每个渗漏水图像样本及其渗漏水标签图，对预先构建的渗漏水图像检测模型进行训练，得到训练好的渗漏水图像检测模型；其中，渗漏水图像检测模型至少包括编码器、解码器、中心层，以及分别与解码器和中心层的输出端连接的深度监督网络模块，且在编码器和解码器中均设有注意力模块，注意力模块包括多个并行的且具有不同空洞率的卷积；基于训练好的渗漏水图像检测模型对待检测的渗漏水图像进行检测。本发明可以准确的对复杂环境中的渗漏水图像进行检测。进行检测。进行检测。


技术研发人员：尚艳亮 罗俊 耿鹏 吴薇娜 黄帅
受保护的技术使用者：石家庄铁道大学 应急管理部国家自然灾害防治研究院
技术研发日：2022.08.19
技术公布日：2022/11/15