[0001] 本发明属于桥梁检测技术领域，具体涉及一种基于无人机的桥梁病害检测方法。

[0002] 现阶段运营管养单位及专业检测机构多采用传统检测手段，依靠肉眼或者辅助工具(如桥检车、望远镜等)来检测桥梁等主要构件和部位是否出现裂缝、开裂破损、露筋锈蚀、支座脱空等病害。桥梁具有高墩、跨河、跨谷、跨海等的特殊性，传统桥梁检测需要使用桥梁检测车等作为检测辅助工具，把人员和设备送到病害部位进行检测，耗时费力，主观性强，检测精度低。

[0003] 随着无人机技术的不断发展，采用无人机作为桥梁病害图像采集工具可以显著地提高工作效率，国内外基于无人机的桥梁检测系统、设备均采用架设基站辅助定位、前端无人机照片或视频采集，后期需要用专门软件进行图片拼接，对于病害位置、类型以及长度、面积的确定要大量的人员借助相关软件进行长时间的比对估算，对桥梁病害可持续检测的准确率和效率性不高。

[0004] 同时，桥梁结构的病害类型复杂多变，需要建立智能化的病害图像识别技术，但在实际环境中，桥梁检测易受环境因素干扰，当面对复杂背景与干扰物影响桥梁病害往往得不到较好的识别效果，从而影响桥梁病害检测的准确性和效率。

[0044] 下面通过具体实施方式进一步详细说明：

[0045] 实施例一：

[0046] 如图1所示，本发明的一种基于无人机的桥梁病害检测方法，包括以下步骤：

[0047] S100，获取历史桥梁病害数据，所述历史桥梁病害数据包括历史桥梁病害图像及对应的人工病害标注，并建立历史病害数据库；在本实施例中，利用无人机获取历史桥梁病害图像，并对无人机获取的历史桥梁病害图像进行人工病害标注，从而建立历史病害数据库。

[0048] S200，通过人工智能的方式，根据历史病害数据库中的历史桥梁病害数据，将历史桥梁病害图像作为输入层的输入，将人工病害标注作为输出层的输出，对人工智能模型进行训练，建立病害识别模型；在本实施例中，通过历史病害数据库中的历史桥梁病害数据对卷积神经网络模型进行训练，从而建立病害识别模型，经过历史病害数据库训练卷积神经网络使得病害识别模型的识别精度高，从而提高了桥梁病害检测的准确率和效率。

[0049] S300，获取待检测桥梁图像；在本实施例中，利用无人机获取待检测桥梁图像，具体的，本方案中使用的无人机均设置有桥梁检测专用的无人机上置云台，上置云台具体包括底盖、电机固定件、相机固定件、USB盖板、云台盖板和电源外壳盖，通过云台的相机固定件将相机固定在无人机上，由于桥梁结构的特殊性，对桥梁底部的病害检测需要定制上置云台，从而保证相机在采集桥梁图像时的稳定性，并通过电机控制相机的角度调节，根据调整相机不同的拍摄角度从而实现对桥梁外观不同部位的采集和病害识别，云台控制分析可调角度为‑90°至90°，便于发现和识别桥梁结构不同位置的病害，云台系统由链接线在无人机控制器进行有效控制，无人机FPV实时飞行视频数据传输链接。

[0050] S400，采用病害识别模型，对待检测桥梁图像的病害数据进行分析，生成病害分析结果。在本实施例中，本实施例中的相机利用既有相机成像机理，搭载病害识别模型，配置TOF测距模块，相机TOF测距分析、加载，实现裂缝、开裂破损、露筋锈蚀和支座脱空等缺陷分析。

[0051] 所述的相机内置100TAI计算芯片适配设计，所述计算芯片为GPU边缘端计算芯片，用于承载本方案的病害识别模型，相机拍摄病害图片实时显示AI边缘计算分析、统计，达到算法模型实时运算要求，病害定性输出。

[0052] 所述历史病害数据库包括建模数据库；

[0053] S100包括：

[0054] S101，获取历史桥梁病害数据，并建立历史病害数据库；

[0055] S102，分析各历史桥梁病害图像中，各病害区域的图像是否清晰，若是，则将对应的历史病害数据存入建模图像库；具体的，检测各历史桥梁病害图像的病害区域的图像的清晰度是否达到预设的分辨率，从而判断各病害区域的图像是否清晰；

[0056] S200中，根据建模数据库中的历史病害数据，对人工智能模型进行训练，建立病害识别模型。

[0057] 在本实施例中，通过将历史桥梁病害数据中图像清晰的历史桥梁病害图像存入建模图像库，并用建模图像库中的历史桥梁病害图像，对人工智能模型进行训练，建立病害识别模型，使得病害识别模型的图像识别和病害检测精度更高。

[0058] 所述历史病害数据库还包括训练数据库；

[0059] S102中，若否，则将对应的历史病害数据存入训练图像库。

[0060] 在本实施例中，通过将历史病害数据库中图像不清晰的历史桥梁病害图像存入训练图像库中，便于利用训练图像库对存在异常的图像进行处理，可以有效提高病害识别的准确率和效率。

[0061] 所述历史病害数据库还包括异常病害数据库；

[0062] S200包括：

[0063] S201，根据建模数据库中的历史病害数据，对人工智能模型进行训练，建立病害识别模型；

[0064] S202，将训练图像库中的历史桥梁病害数据输入病害识别模型，获取输出的病害分析结果；

[0065] S203，对比病害识别模型输出的病害分析结果与相应的历史桥梁病害图像的人工标注是否相同，若否，则对相应的历史桥梁病害数据进行异常标注；

[0066] S204，将异常标注的历史桥梁病害数据存入异常病害数据库，并对异常病害数据库内的历史桥梁病害图像进行异常类型的分类；

[0067] S205，分析各异常类型中的各历史桥梁病害图像的异常特征。

[0068] 在本实施例中，通过将历史桥梁病害数据中图像不清晰的历史桥梁病害图像存入训练图像库，并将训练图像库中的历史桥梁病害图像输入病害识别模型中，输出的病害分析结果与相应的历史桥梁病害图像的人工标注进行对比，将对比结果不同的历史桥梁病害数据进行异常标注并进行异常类型的分类，便于对图像不清晰的待检测桥梁图像进行更准确的病害检测，能够有效提高病害识别的准确率和效率。

[0069] 所述异常类型包括有遮挡物的历史桥梁病害图像和模糊的历史桥梁病害图像。在天气情况恶劣的情况下，通过无人机获取桥梁的病害图像时，相机拍摄的桥梁图像会存在有遮挡物或图像模糊的情况，异常类型包括有有遮挡物的历史桥梁病害图像和模糊的历史桥梁病害图像，对上述两种异常的图像进行针对病害识别，提高了病害识别的精度。

[0070] 所述历史桥梁病害图像的病害类型包括裂缝、开裂破损、露筋锈蚀和支座脱空中的一种或多种。针对不同的病害类型进行分类，便于更加有效且快速的识别病害。

[0071] S300包括：

[0072] S301，获取待检测桥梁图像；

[0073] S302，分析各待检测桥梁图像是否清晰，若是，则将对应的待检测桥梁图像输入病害识别模型；具体的，检测各待检测桥梁图像的清晰度是否达到预设的分辨率，从而分析各待检测桥梁图像是否清晰；

[0074] S400中，采用病害识别模型，对各病害区域清晰的待检测桥梁图像的病害数据进行分析，生成病害分析结果。利用图像识别技术分析各待检测桥梁图像是否清晰，将清晰的待检测桥梁图像直接输入病害识别模型内，并生成病害分析结果，将图像清晰的待检测桥梁图像直接输入病害识别模型进行病害识别，便于快速的得出病害分析结果，提高检测效率。

[0075] 还包括S500；

[0076] S302中，若否，则跳转至S500；

[0077] S500包括：

[0078] S501，分析待检测桥梁图像的异常类型，并提取异常病害数据库中相应异常类型的各历史桥梁病害图像；

[0079] S502，分别将提取的各历史桥梁病害图像的病害特征与待检测桥梁图像中的病害特征进行对比，并生成相似度分析结果；

[0080] S503，根据所述相似度分析结果，分析各历史桥梁病害图像的病害特征与待检测桥梁图像中的病害特征相似度是否大于相似度阈值，若是，则将相应的历史桥梁病害图像存入待分析库；

[0081] S504，分析所述待分析库中，各历史桥梁病害图像的异常类型，并生成异常类型分析结果；

[0082] S505，根据异常类型分析结果，生成病害分析结果。

[0083] 在本实施例中，相似度阈值设置为0.8，其中，当各历史桥梁病害图像的病害特征与待检测桥梁图像中的病害特征相似度大于0.8时，则将相应的历史桥梁病害图像存入待分析库，分析待分析库中的各历史桥梁病害图像的异常类型，确定各历史桥梁病害图像的异常类型，并生成异常类型分析结果，根据异常类型分析结果，生成病害分析结果，具体的，统计待分析库内各历史桥梁病害图像对应的病害类型以及各病害类型下的历史桥梁病害图像的数量，其中数量最多的历史桥梁病害图像的病害类型判定为待检测桥梁图像的病害分析结果。

[0084] 在其他实施例中，相似度阈值设置为0.8，其中，当各历史桥梁病害图像的病害特征与待检测桥梁图像中的病害特征相似度大于0.8时，则将相应的历史桥梁病害图像存入待分析库，分析待分析库中的各历史桥梁病害图像的异常类型，并生成异常类型分析结果，根据异常类型分析结果，生成病害分析结果，具体的，统计待分析库内各历史桥梁病害图像对应的病害类型以及各历史桥梁病害图像对应的病害特征相似度，其中病害特征相似度最高的历史桥梁病害图像的病害类型判定为待检测桥梁图像的病害分析结果。

[0085] 在其他实施例中，相似度阈值设置为0.8，其中，当各历史桥梁病害图像的病害特征与待检测桥梁图像中的病害特征相似度大于0.8时，则将相应的历史桥梁病害图像存入待分析库，分析待分析库中的各历史桥梁病害图像的异常类型，并生成异常类型分析结果，根据异常类型分析结果，生成病害分析结果，具体的，统计待分析库内各历史桥梁病害图像对应的病害类型、各病害类型下的历史桥梁病害图像的数量、各历史桥梁病害图像对应的病害特征相似度，通过人工智能模型，结合各病害类型下的历史桥梁病害图像的数量和各历史桥梁病害图像对应的病害特征相似度，由人工智能模型输出待检测桥梁图像的病害分析结果。

[0086] 以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。