(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 202210789782.6 (22)申请日 2022.07.06 (71)申请人 中南大学 地址 410000 湖南省长 沙市岳麓区麓山 南 路932号 (72)发明人 周中　张俊杰　李守文　闫龙宾　 郑熠迪　鄢海涛　龚琛杰　 (74)专利代理 机构 长沙轩荣专利代理有限公司 43235 专利代理师 丁耀鹏 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/26(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06V 20/70(2022.01) (54)发明名称 一种裂缝识别方法、 装置、 介质及设备 (57)摘要 本发明提供了一种裂缝识别方法、 装置、 介 质及设备， 方法包括： 包括： 步骤1， 获取待识别的 裂缝图像； 步骤2， 将所述待识别的裂缝图像输入 裂缝语义分割网络进行裂缝识别， 得到裂缝识别 结果； 裂缝语义分割网络包括依次连接的双分支 特征提取模块、 特征融合模块和解码模块； 解决 了基于卷积神经网络的裂缝分割方法中存在的 全局特征难以提取、 模型鲁棒性差的问题以及基 于自注意力机制的裂缝分割方法中存在的数据 依赖性和 局部特征易丢失的问题。 权利要求书2页 说明书7页 附图3页 CN 115187539 A 2022.10.14 CN 115187539 A 1.一种裂缝识别方法， 其特 征在于， 包括： 步骤1， 获取待识别的裂缝图像； 步骤2， 将所述待识别的裂缝图像输入裂缝语义分割网络进行裂缝识别， 得到裂缝识别 结果； 所述裂缝语义分割网络包括依次连接的双分支特征提取模块、 特征融合模块和解码模 块。 2.根据权利要求1所述的裂缝识别方法， 其特 征在于， 所述 步骤2还包括： 对所述待识别的裂缝图像进行 预处理； 将预处理后的裂缝图像输入至所述裂缝语义分割网络进行裂缝识别， 得到裂缝识别结 果。 3.根据权利要求2所述的裂缝识别方法， 其特 征在于， 所述双分支特 征提取模块包括Sw inTransformer网络和逆残差网络； 所述Swin Transformer网络， 用于提取 所述预处 理后的裂缝图像的深层特 征层； 所述逆残差网络， 用于提取 所述预处 理后的裂缝图像的浅层特 征层； 其中， 所述SwinTransformer网络的输出端和所述逆残差网络 的输出端均与所述特征 融合模块的输入端连接 。 4.根据权利要求3所述的裂缝识别方法， 其特 征在于， 所述Swin  Transformer网络包含四层， 第一层由P atch Patition模块构成， 第二层包 括依次连接的线性映射模块和2 个Swin Transformer Block， 第三层包括依次连接的Patch   Merging模 块和6个SwinTran sformer Block， 第四层包括依次连接的Pat ch Merging模块和 8个SwinTransformerBl ock； 所述预处理后的裂缝图像输入所述Swin  Transformer网络通过依次连接的第一层、 第 二层、 第三层和第四层进 行特征提取， 在所述第三层之后输出得到第一深层特征层， 在所述 第四层之后输出 得到第二深层特 征层； 所述逆残差网络包含两层， 每一层都包括3个逆残差模块， 所述逆残差模块包括依次连 接的标准卷积层、 深度可分离卷积层和E CA注意力模块； 所述预处理后的裂缝图像输入所述逆残差网络通过依次连接的第一层和第二层进行 特征提取， 输出 得到浅层特征层。 5.根据权利要求 4所述的裂缝识别方法， 其特 征在于， 所述特征融合模块包括第一特 征融合子模块和第二特 征融合子模块； 所述第一特征融合子模块的输入端分别连接所述逆残差网络 中第二层的输出端、 所述 SwinTransformer网络中第三层的输出端和所述Swin  Transformer网络中第四层的输出 端， 依次对所述第一深层特征层、 第二深层特征层和浅层特征层进 行上采样和特征融合， 输 出得到初步融合的浅层特 征层、 初步融合的第一深层特 征层和第二深层特 征层； 所述第二特征融合子模块的输入端连接所述第 一特征融合子模块的输出端， 对所述初 步融合的浅层特征层进行卷积处理， 输出得到融合浅层特征层， 对所述初步融合的第一深 层特征层和第二深层特 征层进行 下采样和特 征融合， 输出 得到融合深层特 征层。 6.根据权利要求5所述的裂缝识别方法， 其特 征在于， 所述第一特征融合子模块包括第一CDEC模块、 第二CDEC模块、 第一上采样层、 第二上采权　利　要　求　书 1/2 页 2 CN 115187539 A 2样层和第一卷积层； 所述第一卷积层的输入端 连接所述Swin  Transformer网络中第四层的 输出端， 所述第一卷积层的输出端连接第一上采样层的输入端， 所述第一上采样层的输出 端连接第一CDEC模块的输入端， 所述第一CDEC模块的输入端连接所述Swin  Transformer网 络中第三层的输出端， 所述第一CDEC模块的输出端连接第二上采样层的输入端， 所述第二 上采样层的输出端 连接第二CD EC模块的输入端， 所述第二CD EC模块的输入端与所述逆残差 网络中第二层的输出端连接， 所述第二CD EC模块的输出端与所述第二特征融合子模块的输 入端连接； 所述第二特征融合子模块包括第三CDEC模块、 第四CDEC模块、 第一下采样层、 第二下采 样层和第二卷积层； 所述第二卷积层的输入端连接第二CDEC模块的输出端， 所述第二卷积 层的输出端与所述解码模块的输入端， 所述第二卷积层的输出端连接第一下采样层的输入 端， 所述第一下采样层的输出端连接第三CDEC模块的输入端， 所述第三CDEC模块的输入端 与所述第一CD EC模块的输出端 连接， 所述第三CDEC模块的输出端 连接第二下采样层的输入 端， 所述第二下采样层的输出端连接第四CDEC模块的输入端， 所述第四CDEC模块的输入端 与所述第一卷积层的输出端连接 。 7.根据权利要求6所述的裂缝识别方法， 其特 征在于， 所述语义分割网络还包括特征加强模块， 所述特征加强模块的输入端连接所述第四 CDEC模块的输出端， 所述特 征加强模块的输出端连接所述 解码模块的输入端； 所述特征加强模块包括依次连接的ASPP特征金字塔、 ECA注意力 模块和标准卷积层； 所 述ASPP特征金字塔的输入端连接所述特征融合模块中的第四CDEC模块的输出端， 所述标准 卷积层的输出端连接所述 解码模块的输入端； 所述融合深层特征层输入至所述特征加强模块中， 经过所述ASPP特征金字塔、 ECA注意 力模块、 标准卷积层进行 特征加强， 得到加强深层特 征层并输入解码模块进行解码。 8.一种裂缝识别装置， 其特 征在于， 包括： 图像获取模块， 用于获取待识别的裂缝图像； 裂缝识别模块， 用于将所述待识别的裂缝图像输入所述裂缝语义分割网络进行裂缝识 别， 得到裂缝识别结果。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 当该计算机程序被 执行时， 实现如权利要求1～7中任一项所述的裂缝识别方法。 10.一种裂缝识别设备， 其特征在于， 包括存储器、 处理器； 所述存储器用于存储计算机 程序以及程序处理时候的中间数据， 所述处理器用于执行所述计算机程序以实现如权利要 求1～7中任一项所述的裂缝识别方法。权　利　要　求　书 2/2 页 3 CN 115187539 A 3