一种震损结构损伤分割方法、装置、电子设备及存储介质

本申请涉及混凝土结构地震损伤识别，尤其涉及一种震损结构损伤分割方法、装置、电子设备及存储介质。

背景技术：

1、对震损rc结构进行准确的目视检查是一件较为繁琐的工作，且对评估者的专业素养提出了较高的要求。此外，不同评估者对于相同的损伤构件可能会给出不同的评估结果。这些问题限制了既有震后评估工作的效率以及精度。

2、近年来，计算机视觉技术的快速发展为工程领域的诸多问题提供了诸多新的范式，且在震后评估领域具有极高的发展潜力。然而，目前计算机视觉在土木工程领域的应用仍局限于以裂缝识别为主的结构早期健康检测。与健康监测研究不同，rc结构的震后评估需要人们对混凝土剥落，钢筋的裸漏等更加广泛的可见视觉损伤信息进行准确的识别。目前虽然存在一些基于目标检测方法的震损rc结构损伤定位模型，但是这些模型仅能实现损伤的定位而无法实现损伤的分割，无法满足震后评估中对损伤程度进行量化的需求。然而，由于公开数据集的缺乏，目前可用于震损rc结构多类别损伤分割的模型还十分稀少。

技术实现思路

1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

2、为此，本申请的第一个目的在于提出一种震损结构损伤分割方法，以解决现有技术手段无法实现损伤的分割，无法满足震后评估中对损伤程度进行量化的需求等问题。

3、本申请的第二个目的在于提出一种装置。

4、本申请的第三个目的在于提出一种电子设备。

5、本申请的第四个目的在于提出一种计算机可读存储介质。

6、为达上述目的，本申请第一方面实施例提出了一种震损结构损伤分割方法，包括：

7、获取震损rc结构原始图片，生成训练数据集；

8、对所述训练数据集进行标注处理，获取标注数据集；

9、将所述标注数据集进行数据增强，获取增强数据集；

10、构建震损结构损伤分割模型，利用所述增强数据集对所述震损结构损伤分割模型进行训练，得到训练完成的震损结构损伤分割模型；

11、利用所述训练完成的震损结构损伤分割模型将待分割图像进行损伤分割，得到分割结果。

12、优选地，所述获取震损rc结构原始图片，生成训练数据集包括：

13、获取rc梁、柱、节点试验中拍摄的试验图片、rc构件试验研究的论文插图、地震灾区中震损rc结构的实拍损伤照片及拍摄于不同环境不同背景的rc构件图像，生成训练数据集。

14、优选地，所述对所述训练数据集进行标注处理，获取标注数据集包括：

15、将所述训练数据集中的像素进行标注，包括背景、混凝土剥落、混凝土开裂、混凝土压碎、纵筋裸露、纵筋裸漏、纵筋屈曲、箍筋裸漏、混凝土碎块，经过标注后导出的特征图中每一个像素点都具有独特的类别，生成标注数据集。

16、优选地，所述将所述标注数据集进行数据增强，获取增强数据集包括：采用镜像翻转、色彩扭曲及随机高斯噪声对所述标注数据集进行数据增强处理，得到增强数据集。

17、优选地，所述构建震损结构损伤分割模型包括：

18、利用金字塔多尺度特征融合、haar小波下采样以及注意力模块的u形带跳跃链接的网络架构构建震损结构损伤分割模型。

19、优选地，所述利用所述增强数据集对所述震损结构损伤分割模型进行训练，得到训练完成的震损结构损伤分割模型包括：

20、采用自适应学习率自动调度器，根据训练过程中的损失变化情况动态调整学习率，利用带权重的多类别交叉熵作为损失函数，当损失变化较小，即模型趋于稳定时，降低学习率以进行更精细的调整；当损失变化较大时，增加学习率以加速收敛。

21、优选地，所述多类别交叉熵损失函数计算公式为：

22、

23、其中，e为带权重的交叉熵损失，α为权重，k为总类别，αs为缩放后的权重，tk为标签，yk为预测值。

24、为达上述目的，本申请第二方面实施例提出了一种震损结构损伤分割装置，包括：

25、数据获取模块，获取震损rc结构原始图片，生成训练数据集；

26、数据标注模块，对所述训练数据集进行标注处理，获取标注数据集；

27、数据增强模块，将所述标注数据集进行数据增强，获取增强数据集；

28、模型训练模块，构建震损结构损伤分割模型，利用所述增强数据集对所述震损结构损伤分割模型进行训练，得到训练完成的震损结构损伤分割模型；

29、模型预测模块，利用所述训练完成的震损结构损伤分割模型将待分割图像进行损伤分割，得到分割结果。

30、为达上述目的，本申请第三方面实施例提出了一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；

31、所述存储器存储计算机执行指令；

32、所述处理器执行所述存储器存储的计算机执行指令，以实现上述任一项所述的方法。

33、为达上述目的，本申请第四方面实施例提出了一种计算机可读存储介质，包括所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现上述任一项所述的方法。

34、本申请提供的一种震损结构损伤分割方法，克服了基于计算机视觉的震损rc结构损伤分割任务中公开数据集不足的缺陷，大大提升了震后评估工作的效率，本申请提出的深度学习模型结构参数小，且所建立的模型架构简明，参数量少，适合本地部署，实现对震损rc结构可见地震损伤的快速定位与准确分割，提高了震后评估工作的效率，具有较高的实际工程意义。

35、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

1.一种震损结构损伤分割方法，其特征在于，包括：

2.根据权利要求1所述的震损结构损伤分割方法，其特征在于，所述获取震损rc结构原始图片，生成训练数据集包括：

3.根据权利要求1所述的震损结构损伤分割方法，其特征在于，所述对所述训练数据集进行标注处理，获取标注数据集包括：

4.根据权利要求1所述的震损结构损伤分割方法，其特征在于，所述将所述标注数据集进行数据增强，获取增强数据集包括：采用镜像翻转、色彩扭曲及随机高斯噪声对所述标注数据集进行数据增强处理，得到增强数据集。

5.根据权利要求1所述的震损结构损伤分割方法，其特征在于，所述构建震损结构损伤分割模型包括：

6.根据权利要求5所述的震损结构损伤分割方法，其特征在于，所述利用所述增强数据集对所述震损结构损伤分割模型进行训练，得到训练完成的震损结构损伤分割模型包括：

7.根据权利要求6所述的震损结构损伤分割方法，其特征在于，所述多类别交叉熵损失函数计算公式为：

8.一种震损结构损伤分割装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-7中任一项所述的方法。