本發(fā)明涉及堤壩檢測，尤其是指一種河道堤壩侵蝕檢測方法、裝置及計(jì)算機(jī)設(shè)備。

背景技術(shù)：

1、河道堤壩的安全關(guān)乎著整個(gè)地區(qū)人民群眾的生命財(cái)產(chǎn)安全，在平時(shí)的日常巡檢過程中，除了關(guān)注大部分的缺陷之外，堤壩與河水接壤的地方，可能由于日常的沖刷，很容易被侵蝕從而出現(xiàn)缺口，缺口如果不及時(shí)處理就很容易引發(fā)大面坍塌的風(fēng)險(xiǎn)，因此對河道堤壩的侵蝕檢測就尤其關(guān)鍵。

2、目前，現(xiàn)有的無人機(jī)堤壩健康檢測過程中，人們往往只會注意堤壩的大面積坍塌缺陷，這種坍塌缺陷往往比較大，很容易發(fā)現(xiàn)；而對于河道堤壩侵蝕的這種，很少人關(guān)心這種危害。傳統(tǒng)的河道堤壩的巡檢現(xiàn)階段而言常常以人工為主，這種侵蝕的檢測現(xiàn)階段很難及時(shí)發(fā)現(xiàn)，而無人機(jī)巡航技術(shù)和圖像技術(shù)的出現(xiàn)，為解決這方面的問題提供有效解決方案。

3、對于這種侵蝕檢測，其中一種常見的方法就是對比前后的圖片，依靠對比就可以得出結(jié)果，類比到河道堤壩邊緣的侵蝕檢測，也可以將現(xiàn)實(shí)檢測的堤壩與理想的堤壩做形狀對比，從而得出侵蝕的區(qū)域，但是對于無人機(jī)巡檢平臺而言，由于風(fēng)速、gps誤差等原因，難以從以往的真實(shí)圖片中獲取理想的堤壩形狀，從而導(dǎo)致一些河道侵蝕無法被識別。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是：提供一種河道堤壩侵蝕檢測方法、裝置及計(jì)算機(jī)設(shè)備，旨在提高堤壩侵蝕檢測的準(zhǔn)確性。

2、為了解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為：一種河道堤壩侵蝕檢測方法，包括：

3、通過無人機(jī)采集河道堤壩圖像，并將河道堤壩圖像分成測試集和訓(xùn)練集；

4、將河道堤壩圖像輸入到分割網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練，將河道堤壩圖像中的河道堤壩模型提取出來；

5、將經(jīng)分割網(wǎng)絡(luò)模型分割后的河道堤壩圖像進(jìn)行二值化提取掩膜圖像；

6、對掩膜圖像進(jìn)行河道堤壩模擬侵蝕處理，以提高侵蝕樣本的掩膜圖像數(shù)量；

7、將處理完畢的掩膜圖像作為gan網(wǎng)絡(luò)模型的數(shù)據(jù)集，添加約束對gan網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，使得gan網(wǎng)絡(luò)模型生成的數(shù)據(jù)具有指向性；

8、輸入河道堤壩圖像經(jīng)訓(xùn)練的分割網(wǎng)絡(luò)模型進(jìn)行分割，二值化提取掩膜圖像，將掩膜圖像輸入到gan網(wǎng)絡(luò)模型進(jìn)行侵蝕檢測并對侵蝕的位置進(jìn)行定位。

9、進(jìn)一步的，所述通過無人機(jī)采集河道堤壩圖像，并將河道堤壩圖像分成測試集和訓(xùn)練集包括：

10、控制無人機(jī)掛載光學(xué)攝像頭沿著河道堤壩飛行，采集河道堤壩圖像；

11、對河道堤壩圖像使用labelme標(biāo)簽工具對河道進(jìn)行標(biāo)記；

12、將標(biāo)記完畢的河道堤壩圖像，使用2:8準(zhǔn)則分為測試集和訓(xùn)練集，其中測試集為2，訓(xùn)練集為8。

13、進(jìn)一步的，將河道堤壩圖像輸入到分割網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練，將河道堤壩圖像中的河道堤壩模型提取出來包括：

14、將河道堤壩圖像輸入到分割網(wǎng)絡(luò)模型，分割網(wǎng)絡(luò)模型根據(jù)樣本的標(biāo)簽數(shù)據(jù)與預(yù)測數(shù)據(jù)的損失，將誤差逆向傳播，進(jìn)而把網(wǎng)絡(luò)參數(shù)往損失更小的方向變化，直至訓(xùn)練停止。

15、進(jìn)一步的，所述將經(jīng)分割網(wǎng)絡(luò)模型分割后的河道堤壩圖像進(jìn)行二值化提取掩膜圖像包括：

16、將分割后的河道堤壩進(jìn)行圖像二值化處理提取掩膜圖像，把河道堤壩部分的像素值設(shè)置為白色值，把其他部分的區(qū)域設(shè)置為黑色值，從而完成河道堤壩掩膜圖像的提取。

17、進(jìn)一步的，所述將河道堤壩圖像輸入到分割網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練，將河道堤壩圖像中的河道堤壩模型提取出來，所述分割網(wǎng)絡(luò)模型為yolo系列的分割網(wǎng)絡(luò)模型，其損失函數(shù)l如下所示：

18、l＝λclasslclass+λlocallloal+λconflconf+λmasklmask

19、其中，lclass，llocal，lconf，lmask則分別是分類損失、定位損失、置信度損失以及分割損失；

20、分割網(wǎng)絡(luò)模型以損失函數(shù)最小化為準(zhǔn)則，使用梯度下降的方式，逐步將分割網(wǎng)絡(luò)模型損失減少，直到完成訓(xùn)練；對于lmask，λ為超參數(shù)，a表示錨定框總數(shù)，n表示一個(gè)錨定框內(nèi)識別掩膜的總數(shù)，m表示一個(gè)物體的掩膜，mi表示掩膜中一個(gè)像素點(diǎn)劃分給該物體的概率，是該像素點(diǎn)的標(biāo)簽值，最后計(jì)算二元交叉熵?fù)p失，并將所有物體的掩膜損失加起來為分割損失。

21、進(jìn)一步的，所述將處理完畢的掩膜圖像作為gan網(wǎng)絡(luò)模型的數(shù)據(jù)集，添加約束對gan網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練包括：

22、對gan網(wǎng)絡(luò)模型使用風(fēng)格轉(zhuǎn)換模型pix2pix做條件約束，確保生成器生成與條件相匹配的圖片，風(fēng)格轉(zhuǎn)換模型pix2pix的損失函數(shù)如下所示：

23、lpix2pix(d，g)＝ex,y[log?d(x，y)]+ex，z[log(1-d(x，g(x)))]+λl1

24、l1＝ex，y，z[||y-g(x，z)||1]

25、其中，y表示原始風(fēng)格圖像，z為隨機(jī)噪聲，pix2pix直接把原始風(fēng)格的圖片輸入，使得生成器g必須生成與原始輸入相匹配，判別器d除了要判別生成數(shù)據(jù)是否符合目標(biāo)風(fēng)格外，還要判斷其與原輸入是否相匹配，進(jìn)而讓gan的生成變得可控。

26、進(jìn)一步的，所述gan網(wǎng)絡(luò)模型包括生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)，在進(jìn)行g(shù)an網(wǎng)絡(luò)模型時(shí)，先訓(xùn)練識別網(wǎng)絡(luò)，再訓(xùn)練生成網(wǎng)絡(luò)，再訓(xùn)練識別網(wǎng)絡(luò)，如此反復(fù)，直到達(dá)到納什均衡；其生成器模型和判別器模型的損失函數(shù)lg，ld分別如下所示：

27、lg＝h(1,d(g(z)))

28、ld＝h(1,d(g(x)))+h(0,d(g(z)))

29、其中,x為真實(shí)數(shù)據(jù)，z表示隨機(jī)輸入數(shù)據(jù)，h表示交叉熵函數(shù)，g表示生成網(wǎng)絡(luò)，d表示判別網(wǎng)絡(luò)，1代表絕對真實(shí)數(shù)據(jù)，0表示絕對假的數(shù)據(jù)，lg表示判別器判別生成器生成的數(shù)據(jù)與絕對真實(shí)數(shù)據(jù)的距離，即生成器損失，ld表示判別器判別真數(shù)據(jù)為真的距離與假數(shù)據(jù)為假的距離之和，即判別器損失。

30、本發(fā)明還提供一種河道堤壩侵蝕檢測裝置，包括：

31、圖像采集模塊，用于通過無人機(jī)采集河道堤壩圖像，并將河道堤壩圖像分成測試集和訓(xùn)練集；

32、分割網(wǎng)絡(luò)模型訓(xùn)練模塊，用于將河道堤壩圖像輸入到分割網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練，將河道堤壩圖像中的河道堤壩模型提取出來；

33、掩膜圖像提取模塊，用于將經(jīng)分割網(wǎng)絡(luò)模型分割后的河道堤壩圖像進(jìn)行二值化提取掩膜圖像；

34、圖像侵蝕處理模塊，用于對掩膜圖像進(jìn)行河道堤壩模擬侵蝕處理，以提高侵蝕樣本的掩膜圖像數(shù)量；

35、gan網(wǎng)絡(luò)模型訓(xùn)練模塊，將處理完畢的掩膜圖像作為gan網(wǎng)絡(luò)模型的數(shù)據(jù)集，添加約束對gan網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，使得gan網(wǎng)絡(luò)模型生成的數(shù)據(jù)具有指向性；

36、侵蝕位置定位模塊，用于輸入河道堤壩圖像經(jīng)訓(xùn)練的分割網(wǎng)絡(luò)模型進(jìn)行分割，二值化提取掩膜圖像，將掩膜圖像輸入到gan網(wǎng)絡(luò)模型進(jìn)行侵蝕檢測并對侵蝕的位置進(jìn)行定位。

37、本發(fā)明還提供一種計(jì)算機(jī)設(shè)備，所述計(jì)算機(jī)設(shè)備包括存儲器及處理器，所述存儲器上存儲有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上任一項(xiàng)所述的河道堤壩侵蝕檢測方法。

38、本發(fā)明還提供一種存儲介質(zhì)，所述存儲介質(zhì)存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)可實(shí)現(xiàn)如上任一項(xiàng)所述的河道堤壩侵蝕檢測方法。

39、本發(fā)明的有益效果在于：通過將河道堤壩圖像輸入到分割網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練，將河道堤壩圖像中的河道堤壩模型提取出來；將經(jīng)分割網(wǎng)絡(luò)模型分割后的河道堤壩圖像進(jìn)行二值化提取掩膜圖像；對掩膜圖像進(jìn)行河道堤壩模擬侵蝕處理，以提高侵蝕樣本的掩膜圖像數(shù)量；將處理完畢的掩膜圖像作為gan網(wǎng)絡(luò)模型的數(shù)據(jù)集，添加約束對gan網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，使得gan網(wǎng)絡(luò)模型生成的數(shù)據(jù)具有指向性；輸入河道堤壩圖像經(jīng)訓(xùn)練的分割網(wǎng)絡(luò)模型進(jìn)行分割，二值化提取掩膜圖像，將掩膜圖像輸入到gan網(wǎng)絡(luò)模型進(jìn)行侵蝕檢測并對侵蝕的位置進(jìn)行定位。本方案侵蝕檢測訓(xùn)練只需少量樣本照片進(jìn)行訓(xùn)練即可，本技術(shù)方案利用分割和取掩膜后的圖像就可以大大避免堤壩上一些其他因素的影響，減少誤判；本技術(shù)方案可以根據(jù)情況自動設(shè)置侵蝕檢測閾值，應(yīng)對不同程度的侵蝕預(yù)測檢測和預(yù)警等級；利用生成對抗網(wǎng)絡(luò)做侵蝕檢測，根據(jù)侵蝕只會發(fā)生與河水接壤的那一側(cè)，對網(wǎng)絡(luò)做約束，提高檢測的準(zhǔn)確性。