一种基于视频监测的桥梁缆索表面缺陷识别方法

技术特征：
1.一种基于视频监测的桥梁缆索表面缺陷识别方法，其特征在于，包括步骤：s10,将视频监测装置放置在桥梁缆索上，检测端布置在桥梁缆索外围；s20,通过控制终端发送指令控制视频监测装置在桥梁缆索上运行；s30,通过视频监测装置中环绕在桥梁缆索的摄像头收集图像数据；s40,通过小波变换算法对收集到的通过图像去噪，利用图像缺陷识别模型对收集到的图像信号进行分析，进而识别出桥梁缆索表面的缺陷。2.根据权利要求1所述的一种基于视频监测的桥梁缆索表面缺陷识别方法，其特征在于，所述的步骤s30中，通过视频监测装置中环绕在桥梁缆索的摄像头收集图像数据，包括步骤：s301,视频监测装置的攀爬机构定位在桥梁缆索一点位上，通过视频监测装置的视频监测机构中环绕在桥梁缆索的摄像头获取该点位的图像数据；s302,待该点的视频图像数据反馈完毕后，通过攀爬机构带动视频监测机构进入下一个监测区域，并反馈下一区域的图像数据；s303,通过重复步骤s301和s302，完成整根桥梁缆索的视频监测，获取整根桥梁缆索表面的图像数据。3.根据权利要求2所述的一种基于视频监测的桥梁缆索表面缺陷识别方法，其特征在于，所述图像数据的获取过程包括步骤：通过控制终端无线连接视频监测装置，视频监测装置的摄像头对穿过装置中心的桥梁缆索进行360
°
的全方位监测；同时通过攀爬机构的运行，视频监测机构完成对整个桥梁缆索的图像数据的获取；再通过无线连接将图像数据传递反馈给控制终端终端，对桥梁缆索表面的缺陷进行分析和识别。4.根据权利要求1所述的一种基于视频监测的桥梁缆索表面缺陷识别方法，其特征在于，所述的步骤s40中，通过图像去噪方法和图像缺陷识别模型对收集到的图像信号进行分析，进而识别出缆索表面的缺陷，包括步骤：s401，对采集的图像数据通过图像降噪算法消除噪声；s402，利用基于深度学习的图像轻量级神经网络模型构建图像缺陷识别模型，实现缺陷的识别。5.根据权利要求4所述的一种基于视频监测的桥梁缆索表面缺陷识别方法，其特征在于，所述数据降噪算法是采用基于形态学的权重自适应图像降噪算法消除噪声；通过基本的形态学变换，消除图像中的脉冲噪声；通过开运算先腐蚀后膨胀，过滤图像中的正脉冲噪声；通过闭运算先膨胀后腐蚀过滤图像中的负脉冲噪声；由形态开闭构成的级联滤波器同时消除图像中正负脉冲信号的影响。6.根据权利要求4所述的一种基于视频监测的桥梁缆索表面缺陷识别方法，其特征在于，基于深度学习的图像轻量级神经网络模型构建图像缺陷识别模型包括第一卷积层，8个特征处理模块、第一最大池化层、第二最大池化层、第三最大池化层、第二卷积层、平均池化层和分类器；输入图像经过第一卷积层和第一最大池化层后，再通过3个特征处理模块提取特征；然后经过第二最大池化层后，再通过4个特征处理模块提取特征；最后经过第三最大池化层后，再通过1个特征处理模块提取特征，再经过第二卷积层和平均池化层，由softmax分类器进行输出。7.根据权利要求6所述的一种基于视频监测的桥梁缆索表面缺陷识别方法，其特征在
于，所述特征处理模块包括轻量级神经网络层、扩展层和融合层；输入特征图通过轻量级神经网络层降低特征的维度，使特征图压缩；在经过扩展层，通过并行不同大小的卷积核以获得不同大小感受野，使特征图扩展；最后进入融合层，将得到的并行输出的特征图的通道进行拼接。8.根据权利要求1所述的一种基于视频监测的桥梁缆索表面缺陷识别方法，其特征在于，所述视频监测装置包括支撑主体(1)、攀爬机构(2)、摄像头(3)、控制器和无线网络通信电路，在所述支撑主体(1)为柱形结构，在所述支撑主体(1)两端环绕设置有攀爬机构(2)，在所述支撑主体(1)中段上环绕设置有视频监测机构(3)；所述支撑主体(1)采用可开合的柱形结构，待检测的桥梁缆索(4)穿过支撑主体(1)的中心轴；所述攀爬机构(2)包括多个攀爬子单元相互对应并桥梁缆索锁紧在其中，沿桥梁缆索移动；采用四个摄像头设置在支撑主体的上端四角，成正方形对称排列，对缆索进行360
°
视觉监测；所述攀爬机构(2)、摄像头(3)与控制器电连接，所述控制器通过无线网络通信电路与控制终端进行信息交互。

技术总结
本发明公开一种基于视频监测的桥梁缆索表面缺陷识别方法，包括步骤：S10,将视频监测装置放置在桥梁缆索上，检测端布置在桥梁缆索外围；S20,通过控制终端发送指令控制视频监测装置在桥梁缆索上运行；S30,通过视频监测装置中环绕在桥梁缆索的摄像头收集图像数据；S40,通过小波变换算法对收集到的通过图像去噪，利用图像缺陷识别模型对收集到的图像信号进行分析，进而识别出桥梁缆索表面的缺。本发明可准确的分析与识别缆索外表面的缺陷。准确的分析与识别缆索外表面的缺陷。准确的分析与识别缆索外表面的缺陷。


技术研发人员：宋金博 陈瑾逾 杨家炳 孟庆领
受保护的技术使用者：江西交通职业技术学院
技术研发日：2022.08.25
技术公布日：2022/12/16