(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 202211191901.4 (22)申请日 2022.09.28 (71)申请人 丽水市市政设施管理中心 （丽水市 节约用水 管理中心） 地址 323020 浙江省丽水市莲都区继光 街 51号 (72)发明人 张文辉　 (74)专利代理 机构 北京市广友专利事务所有限 责任公司 1 1237 专利代理师 张仲波 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/60(2017.01) G06T 7/70(2017.01) G06T 7/11(2017.01)G06T 7/136(2017.01) G06V 20/17(2022.01) G06V 20/10(2022.01) G06V 10/82(2022.01) (54)发明名称 基于强化学习算法的桥梁裂缝等级评估方 法及系统 (57)摘要 本发明提供了一种基于强化学习算法的桥 梁裂缝等级评估 方法及系统， 属于桥梁结构健康 监测领域。 所述评估方法包括： 采集裂缝图像， 预 处理后进行阈值分割， 并提取裂缝的宽度特征、 长度特征、 走向特征、 位面特征和纵向位置信息， 构建裂缝基本数据库， 并划分为训练集和测试 集； 基于强化学习算法构建桥梁裂缝等级评估模 型， 训练后得到稳定的裂缝等级评估模型； 采集 待评估裂缝图像， 将所述裂缝图像预处理后， 提 取裂缝的长度特征、 宽度特征、 走向特征， 通过无 人飞机在巡航中的空间坐标获取裂缝位面特征 和纵向位置信息， 输入裂缝评估模型中， 获得裂 缝等级评估 结果。 本发明降低了人工测量引起的 误差， 提高了 裂缝检测评估的效率和准确率。 权利要求书3页 说明书12页 附图5页 CN 115511836 A 2022.12.23 CN 115511836 A 1.一种基于强化学习算法的桥梁裂缝等级评估方法， 其特 征在于， 所述评估方法包括： 通过无人机采集裂缝图像； 对所述裂缝图像进行 预处理； 对预处理后的裂缝图像进行裂缝图像阈值分割， 并提取裂缝形态特征； 所述裂缝形态 特征， 包括裂缝的宽度特 征、 长度特 征和走向特 征； 根据无人机的飞行轨 迹获取裂缝图像所在位 面， 提取位 面特征； 根据无人机飞行轨迹及拍摄参数获取裂缝中心点在桥梁轴 线上的纵向坐标， 并将该纵 向坐标归一 化处理后作为裂缝纵向位置信息； 根据裂缝的宽度特征、 长度特征、 走向特征、 位面特征及纵向位置信息， 判断裂缝等级 并生成裂缝编码， 构建裂缝基本数据， 所述裂缝基本数据包含三个层次的裂缝信息， 分别 为： 桥梁层次的信息： 桥梁编码、 结构体系； 构件层次的信息： 结构类型、 构件编码、 构件纵 向/横向/竖向尺 寸； 裂缝层次的信息： 裂缝编码、 宽度特征、 长度特征、 走向特征、 位面特征、 位置及等级； 将所有裂缝图像对应的裂缝基本数据按编码进行排列构建数据集， 并将数据集划分为 训练集和 测试集； 基于强化学习算法构建桥梁裂缝等级评估模型， 采用所述训练集对所述评估模型进行 训练， 并利用测试集对训练模型进行验证， 得到稳定的裂缝等级评估 模型； 采集待评估裂缝图像， 将所述裂缝图像预处理后， 提取裂缝的长度特征、 宽度特征、 走 向特征、 位面特征和纵向位置信息， 输入 模型中， 获得裂缝等级评估结果。 2.根据权利要求1所述的桥梁裂缝等级评估方法， 其特征在于， 采集裂缝图像时， 包括 如下步骤： 步骤S11， 采集桥梁图像； 且在进行桥梁图像采集时， 对桥梁的各个部分进行全方位采 集； 步骤S12， 对采集到的桥梁图像进行裂缝识别， 将识别出来的满足裂缝条件的位置进行 标注； 步骤S13， 对所识别出来的裂缝位置处， 再次进行局部图像采集， 获得裂缝图像。 3.根据权利要求1所述的桥梁裂缝等级评估方法， 其特征在于， 所述进行裂缝图像采集 时， 包括如下步骤： 步骤S11， 采集桥梁图像； 且在进行桥梁图像采集时， 对桥梁的各个部分进行全方位采 集； 步骤S12， 对于采集到的桥梁图像进行裂缝识别， 将识别出来的满足裂缝条件的位置进 行标注； 步骤S14， 将桥梁图像中裂缝位置处的裂缝图像进行分割， 获得裂缝图像。 4.根据权利要求1所述的桥梁裂缝等级评估方法， 其特征在于， 所述提取裂缝形态特 征， 包括： 步骤S31， 获取裂缝的起点和 终点， 计算裂缝图像中心点， 并以中心点对裂缝图像进行 分割， 获取以中心点 为对称中心的最短距离边 缘点和最长距离边 缘点； 步骤S32， 根据裂缝的起点和 终点连线与桥梁纵向轴线的夹角， 判断裂缝走向， 并编制 裂缝走向编码作为走向特 征；权　利　要　求　书 1/3 页 2 CN 115511836 A 2步骤S33， 以最短距离边 缘点间的距离为裂缝宽度， 计算宽度特 征； 步骤S34， 以最长距离边 缘点间的距离为裂缝长度， 计算长度特 征。 5.根据权利要求4所述的桥梁裂缝等级评估方法， 其特征在于， 步骤S32所述判断裂缝 走向， 并编制裂缝 走向编码作为走向特 征， 包括： 对于底面或顶面的裂缝， 包括横向裂缝、 纵向裂缝和斜向裂缝三种， 其中横向裂缝与纵 向轴线的夹角位于75 °～90°之间， 斜向裂缝与纵向轴线的夹角位于15 °～75°之间， 纵向裂 缝与纵向轴线的夹角位于 0°～15°之间； 对于侧面的裂缝， 包括竖向裂缝、 纵向裂缝和斜向裂缝三种， 其中竖向裂缝与纵向轴 线 的夹角位于75 °～90°之间， 斜向裂缝与纵向轴线的夹角位于15 °～75°之间， 纵向裂缝与纵 向轴线的夹角位于 0°～15°之间； 在判断裂缝走向的基础上， 构建四维向量作为走向编码， 进行裂缝走向特征的编码编 制， 每种走向对应其中一个向量； 当判定为当前 走向时， 赋值 为1； 否则赋值 为0。 6.根据权利要求4所述的桥梁裂缝等级评估方法， 其特征在于， 所述宽度 特征采用相对 宽度进行表征， 如式(1)所示： 式(1)中， 代表裂缝的相对宽度； d代 表裂缝的实际宽度； d限代表裂缝的宽度限值。 7.根据权利要求4所述的桥梁裂缝等级评估方法， 其特征在于， 所述长度 特征采用相对 长度进行表征， 如式(2)所示： 式(2)中， 代表裂缝的相对长度； l代表裂缝的在投影方向上的投影长度， 将裂缝长度 向三维空间直角坐标系的三个方向上进行投影， 最长的作为投影长度， 最长投影所在坐标 轴为投影方向； L代 表构件在投影方向上的结构尺寸。 8.根据权利要求1所述的桥梁裂缝等级评估方法， 其特征在于， 裂缝的位面包括底面、 顶面和侧面， 构建三维向量以表示位面特征； 三 维向量中每一维表示一种位面， 位于 当前位 面则取值 为1， 否则为0 。 9.根据权利要求1所述的桥梁裂缝等级评估方法， 其特征在于， 所述基于强化学习算法 构建桥梁裂缝等级评估模型， 所采用的算法 网络共有四层网络， 包括输入层、 两个隐藏层和 输出层， 输入层的输入信息包括裂缝基本数据中的裂缝位面特征、 裂缝长度特征、 裂缝宽度 特征和裂缝走向特征， 隐藏层1有10个单元节 点， 隐藏层2有5个单元节点， 输出层有5个单元 节点， 激活函数为RELU函数， 输出结果为与对应裂缝评估结果的得分值Q相对应的裂缝等 级。 10.一种基于强化学习算法的桥梁裂缝等级评估系统， 其特征在于， 所述系统包括： 搭 载于无人机上的裂缝图像采集模块、 图像预 处理模块、 形态特征提取模块、 位面特征提取模 块、 纵向位置信息提取模块、 训练数据库、 评估 模型构建模块及结果输出模块； 其中： 所述裂缝图像采集模块用于通过无人机采集用于模型训练的桥梁裂缝图像和待评估 的桥梁裂缝图像； 所述图像预处 理模块用于对所采集的裂缝图像进行 预处理；权　利　要　求　书 2/3 页 3 CN 115511836 A 3