(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210403079.7 (22)申请日 2022.04.18 (71)申请人 陕西易合交通科技有限公司 地址 710000 陕西省西安市高新区沣惠南 路34号新长安广场B座6 01-1 (72)发明人 赵柯东　 (74)专利代理 机构 西安铭泽知识产权代理事务 所(普通合伙) 61223 专利代理师 高艳辉 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06V 20/05(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种水下结构物病害数据处 理方法 (57)摘要 本发明公开了一种水下结构物病害数据处 理方法， 通过水下机器人拍摄水下结构物的图 像， 并从中分割出包含病害的图像作为原始图 像； 获取训练图像集， 训练图像集包括训练原始 图像和训练病害图像， 将训练原始图像进行预处 理， 并在处理后的训练原始图像中标记病害 得到 训练病害图像， 对神经网络模型进行训练， 得到 训练好的神经网络模型； 将原始图像完成预处理 之后输入到的神经网络模型中， 输出得到病害图 像， 输出病害图像； 分析病害图像， 得到病害的特 征数据。 本发 明通过水下机器人拍摄到水下结构 物的图像， 并引入神经网络模型对 水下结构物的 图像进行处理， 得到水下结构物的病害 图像， 并 对病害图像进行分析处理， 从而满足研究的需 求。 权利要求书2页 说明书7页 附图4页 CN 114494261 A 2022.05.13 CN 114494261 A 1.一种水 下结构物病害数据处 理方法， 其特 征在于， 包括如下步骤： 通过水下机器人拍摄水下结构物的图像， 并从中分割出包含病害的图像作为原始图 像； 获取训练图像集， 所述训练图像集包括训练原始图像和训练病害图像， 将所述训练原 始图像进行 预处理， 并在处 理后的训练原 始图像中标记病害得到训练病害图像； 建立神经网络模型， 将所述训练原始图像完成预处理之后作为输入， 将所述训练病害 图像作为输出， 对所述神经网络模型进行训练， 得到训练好的神经网络模型； 将所述原始图像完成预处理之后输入到所述的神经网络模型中， 输出得到病害图像， 输出所述病害图像； 将所述原始图像完成预处理之后作为输入， 将所述病害图像作为输出， 对所述的神经 网络模型进行修 正， 更新所述神经网络模型； 分析所述病害图像， 得到所述病害的特 征数据。 2.如权利要求1所述的一种水下结构物病 害数据处理方法， 其特征在于， 将所述原始图 像进行预处理的时候， 包括如下步骤： 将所述原始图像调整为设定的像素尺寸， 所述像素尺寸与所述神经网络模型一一对 应； 对调整后的所述原始图像进行归一化处理， 使得所述原始图像的位移、 旋转度以及尺 度变换在特定范围内均匀分布； 将归一化处理后的原 始图像转 化为转换为三维数组的格式。 3.如权利要求2所述的一种水下结构物病 害数据处理方法， 其特征在于， 所述神经网络 模型为U型神经网络， 所述U型神经网络包括依次顺序对称排列的多个下采样模块、 多个非 对称残差模块、 多个弱瓶颈模块以及多个上采样模块。 4.如权利要求3所述的一种水下结构物病 害数据处理方法， 其特征在于， 所述原始图像 调整为1024*512像素大小， 则所述三维数组的格式的原始图像为1024*512*3的三维数组， 所述U型神经网络包括： 输入层i， 输出层O23， 多个下采样模块D1、 D2以及D8， 多个非对称残 差模块A3～ A7、 A21～A22， 多个弱瓶颈模块 N9～N16、 N18～N19， 多个上采样模块U17、 U20 。 5.如权利要求4所述的一种水下结构物病害数据处理方法， 其特征在于， 所述U型神经 网络在工作的时候包括如下步骤： 所述输入层i将所述原始图像以1024*512*3 的三维数组的格式传入D1中， 并输出大小 为512*25 6*16的三维数组到D2； D2接收到 输入后， 输出 大小为25 6*128*64的三维数组到A3； 依次进入A3~A7， 分别输出大小为256*128*64的三维数组到D8， 同时在A3~A7中分别进 行像素丢弃； 进入D8， 输出大小为25 6*128*64的三维数组到N9； 依次进入N9~N12， 设置N9~N12的空洞率依次为2、 4、 8以及16， 每一层输出大小为128* 64*256的三维数组； 依次进入N13~N16同样为空洞卷积层， 设置N13~N16的空洞率依次为2、 4、 8以及16， 每一 层输出大小为128* 64*128的三维数组； U17收到N16 输出的三维数组， 并转换为25 6*128*64的三维数组；权　利　要　求　书 1/2 页 2 CN 114494261 A 2依次进入N18~N19， 输出25 6*128*64的三维数组； U20将输入的25 6*128*64的三维数组， 转换为512*25 6*16的三维数组； 依次进入A 21~A22， 输出512*25 6*16的三维数组； 输出层O23将512*256*16的三维数组还原到1024*512*3的三维数组， 得到所述病害图 像的三维数组的格式， 输出 所述病害图像。 6.如权利要求5所述的一种水下结构物病害数据处理方法， 其特征在于， 在A22输出 512*256*16的三维数组之后， 包括如下步骤： 分别对每一个 像素进行像素位置判别； 将像素位置判别为中心像素位置的像素进行 卷积分类， 得 出该像素的像素 标签； 映射中心像素 标签， 得出超像素 标签； 遍历全部的像素完成对512*25 6*16三维数组的更新， 并进入输出层O23 。 7.如权利要求1所述的一种水下结构物病 害数据处理方法， 其特征在于， 分析所述病 害 图像得到所述病害的特 征数据的时候， 包括如下步骤： 将所述病害图像转 化为二维数组， 并提取 出所述病害图像中的病害轮廓； 根据所述病害轮廓判断所述病害类型， 并得到所述病害类型对应的特 征提取方式； 根据所述特 征提取方式在所述病害类型中完成所述病害的特 征数据的提取； 输出所述病害类型以及对应的特 征数据。 8.如权利要求7所述的一种水下结构物病 害数据处理方法， 其特征在于， 所述病害图像 的像素点 通过坐标的方式表示， 所述病害轮廓通过坐标点 集合的方式表示。 9.如权利要求8所述的一种水下结构物病 害数据处理方法， 其特征在于， 在得到所述病 害类型对应的特 征提取方式的时候， 包括如下步骤： 分别获取所述病 害轮廓中各个相邻的两个坐标点之间的斜率， 并将在误差在设定范围 内的斜率对应的坐标点归纳 在一起， 得到轮廓线； 分别根据坐标的个数计算每一条轮廓线的长度， 并将每个所述轮廓线的长度和斜率一 一对应； 在病害数据库中查找各个轮廓线的斜率一致且长度成比例的病 害， 并得到对应的特征 提取方式； 所述病害数据库用于存 储病害对应的各个 轮廓线的斜 率和长度以及特 征提取方式。权　利　要　求　书 2/2 页 3 CN 114494261 A 3