(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 202211150091.8 (22)申请日 2022.09.21 (71)申请人 中国电建集团西北勘测设计 研究院 有限公司 地址 710065 陕西省西安市雁塔区丈 八东 路18号 (72)发明人 杨新茁　周剑　张亦博　杨建武　 庞有福　艾腾　陈玺宇　高轩　 (74)专利代理 机构 西安迪业欣知识产权代理事 务所(普通 合伙) 61278 专利代理师 刘妍 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/62(2017.01) G06T 7/194(2017.01)G06V 10/26(2022.01) G06V 10/82(2022.01) (54)发明名称 墙体裂缝测量方法及便携式墙体裂缝测量 装置 (57)摘要 本发明公开了一种墙体裂缝测量方法及便 携式墙体裂缝测量装置， 其中方法包括构建训练 集， 训练集中包括多张裂缝图像； 利用训练集训 练裂缝识别模 型； 将采集的墙体图像输入至训练 后的裂缝识别模 型中， 得到带有裂缝标注的墙体 图像； 将带有裂缝标注的墙体图像输入至图像分 割模型中， 分割后确定墙体图像中裂缝的投影长 度。 本发明的墙体裂缝测量方法， 能够在识别出 墙体裂缝后， 直接获取裂缝的投影长度， 从而便 于后续的修补或者修复。 本发明的便携式墙体裂 缝测量装置， 便于携带， 能够测量高处或天花板 等人工难以测量部分， 可 以快速、 准确地获取墙 体上的裂缝信息 。 权利要求书1页 说明书5页 附图2页 CN 115496721 A 2022.12.20 CN 115496721 A 1.一种墙 体裂缝测量方法， 其特 征在于， 包括： 构建训练集， 所述训练集中包括多张裂缝图像； 利用所述训练集训练裂缝识别模型； 将采集的墙体图像输入至训练后的所述裂缝识别模型中， 得到带有裂缝标注的墙体图 像； 将所述带有裂缝标注的墙体图像输入至图像分割 模型中， 分割后确定所述墙体图像中 裂缝的投影长度。 2.根据权利 要求1所述的墙体裂缝测量方法， 其特征在于， 所述裂缝识别 模型为YOLOv5 识别模型。 3.根据权利 要求2所述的墙体裂缝测量方法， 其特征在于， 所述YOLOv5识别 模型中的损 失函数为DIOU损失函数。 4.根据权利要求3所述的墙体裂缝测量方法， 其特征在于， 利用所述训练集训练裂缝识 别模型， 具体包括： 预设裂缝识别模型中锚定 框的尺寸范围； 在锚定框的尺寸范围内， 利用训练集训练YOLOv5识别模型。 5.根据权利要求4所述的墙体裂缝测量方法， 其特征在于， 所述预设裂缝识别模型中锚 定框的尺寸范围， 具体包括： 将所述训练集 中的部分裂缝图像输入至YOLOv5识别模型中， 获取所述YOLOv5识别模型 中各个锚定 框的高宽比； 获取最大高宽比和最小高宽比， 根据所述最大高宽比和最小高宽比， 确定裂缝识别模 型中锚定 框的尺寸范围。 6.根据权利 要求4所述的墙体裂缝测量方法， 其特征在于， 所述YOLOv5识别 模型中的迭 代参数为锚定 框的尺寸； 迭代过程使用的方法为无监 督深度学习方法。 7.根据权利要求6所述的墙体裂缝测量方法， 其特征在于， 所述无监督深度学习方法具 体为随机森林 方法。 8.根据权利要求1 ‑7任一项所述的墙体裂缝测量方法， 其特征在于， 所述图像分割模型 为基于改进U ‑net方法的图像分割模型， 所述 改进U‑net方法为U ‑net方法与对抗网络的组 合方法。 9.根据权利要求8所述的墙体裂缝测量方法， 其特征在于， 所述基于改进U ‑net方法的 图像分割模型具体为基于改进U ‑net3方法的图像 分割模型， 所述改进U ‑net3方法为U ‑net3 方法与对抗网络的组合方法。 10.一种便携式墙 体裂缝测量装置， 其特 征在于， 包括： 构建模块， 所述构建模块用于构建训练集， 所述训练集中包括多张裂缝图像； 训练模块， 所述训练模块用于利用所述训练集训练裂缝识别模型； 识别模块， 所述识别模块用于将采集的墙体图像输入至训练后的所述裂缝识别模型 中， 得到带有裂缝 标注的墙 体图像； 测量模块， 所述测量模块用于将所述带有裂缝标注的墙体图像输入至图像分割模型 中， 分割后确定所述墙 体图像中裂缝的投影长度。权　利　要　求　书 1/1 页 2 CN 115496721 A 2墙体裂缝测量方 法及便携式墙体 裂缝测量装 置 技术领域 [0001]本发明公开了一种墙体裂缝测量方法及使用该方法的便携式墙体裂缝测量装置， 属于裂缝识别技 术领域。 背景技术 [0002]墙体裂缝是建筑物中一种常见的损坏方式， 裂缝作为一种初期的损害， 及时修补 或修复可以降低安全隐患。 [0003]在对墙体裂缝进行修补或者修复之前， 需要先对裂缝进行识别， 采用传统的人工 识别方法进 行裂缝识别费时费力， 不能满足现代 化的工业需求。 因此， 现有技术中多使用光 学相机获取裂缝图像， 然后对裂缝图像进行处理， 识别图像中的裂缝。 然而， 现有技术中在 识别出裂缝后， 难以同时获取裂缝的长度， 致使后续修补或者修复时， 需要单独测量裂缝长 度， 增加了修复的繁琐度。 发明内容 [0004]本申请的目的在于， 提供一种墙体裂缝测量方法及便携式墙体裂缝测量装置， 以 解决现有技术中在识别出墙体裂缝后， 难以同时获取裂缝 的长度， 致使后续修补或者修复 时， 需要单独测量裂缝长度， 增 加了修复的繁琐度的技 术问题。 [0005]本发明的第一方面 提供了一种墙 体裂缝测量方法， 包括： [0006]构建训练集， 所述训练集中包括多张裂缝图像； [0007]利用所述训练集训练裂缝识别模型； [0008]将采集的墙体图像输入至训练后的所述裂缝识别模型中， 得到带有裂缝标注的墙 体图像； [0009]将所述带有裂缝标注的墙体图像输入至图像分割模型中， 分割后确定所述墙体图 像中裂缝的投影长度。 [0010]优选地， 所述裂缝识别模型为YOLOv5识别模型。 [0011]优选地， 所述YOLOv5识别模型中的损失函数为DIOU损失函数。 [0012]优选地， 利用所述训练集训练裂缝识别模型， 具体包括： [0013]预设裂缝识别模型中锚定 框的尺寸范围； [0014]在锚定框的尺寸范围内， 利用训练集训练YOLOv5识别模型。 [0015]优选地， 所述预设裂缝识别模型中锚定 框的尺寸范围， 具体包括： [0016]将所述训练集中的部分裂缝图像输入至YOLOv5识别模型中， 获取所述YOLOv5识别 模型中各个锚定 框的高宽比； [0017]获取最大高宽比和最小高宽比， 根据所述最大高宽比和最小高宽比， 确定裂缝识 别模型中锚定 框的尺寸范围。 [0018]优选地， 所述YOLOv5识别模型中的迭代参数为锚定 框的尺寸； [0019]迭代过程使用的方法为无监 督深度学习方法。说　明　书 1/5 页 3 CN 115496721 A 3