本发明涉及桥梁裂纹检测，具体涉及一种桥梁裂纹检测方法。
背景技术：
1、在现有技术中，桥梁的裂纹检测通常采用图像处理，裂纹检测的精度取决于摄像头采集图像的质量，桥梁上冗杂的轮廓形状也容易造成裂纹的误识别，且图像处理通常只能分析表面可见的裂纹，无法发现那些表面不可见或刚开始形成的裂纹。
2、地面穿透雷达能够穿透地面，探测到表面以下的结构，这对于发现那些表面不可见或刚开始形成的裂纹非常有用。地面穿透雷达的电磁波穿透地面并在遇到不同介质时发生反射。通过分析反射波的特征，可以确定地下结构的性质。在桥梁裂纹检测中，地面穿透雷达能够探测到桥面以下的裂纹。
技术实现思路
1、针对现有技术中的上述不足，本发明提供的一种桥梁裂纹检测方法解决了现有采用图像处理进行桥梁裂纹识别存在裂纹识别精度不高的问题。
2、为了达到上述发明目的，本发明采用的技术方案为：一种桥梁裂纹检测方法，包括以下步骤：
3、s1、采用地面穿透雷达采集测量桥梁部位反射的回波，得到各部位反射的回波信号；
4、s2、根据各部位反射的回波信号的波动值，对各部位反射的回波信号进行筛选，得到异常部位反射的回波信号；
5、s3、找到异常部位反射的回波信号中异常区间的信号；
6、s4、采用预测模型，对异常区间的信号提取信号特征，预测桥梁裂纹宽度。
7、本发明的有益效果为：本发明中根据各部分反射的回波信号，先筛选出存在异常的回波信号，进一步地定位到异常区间的信号，便于采用预测模型，提取异常区间的信号特征，避免正常信号的干扰，且减少了数据量，根据异常区间的信号特征，预测出桥梁裂纹宽度。本发明采用地面穿透雷达更便于测量桥梁内部不可见的裂纹，同时不受桥梁上冗杂的轮廓形状的干扰，识别桥梁裂纹精度更高。
8、进一步地，所述s2包括以下分步骤：
9、s21、对每个部位反射的回波信号按时间进行切分，得到多个回波子信号；
10、s22、计算每个回波子信号的均值，构建均值序列，，其中，xe为均值序列，e1为第1个回波子信号的均值，ei为第i个回波子信号的均值，en为第n个回波子信号的均值，i为正整数，n为切分的回波子信号数量；
11、s23、计算每个回波子信号的尖度，构建尖度序列，，其中，xr为尖度序列，r1为第1个回波子信号的尖度，ri为第i个回波子信号的尖度，rn为第n个回波子信号的尖度；
12、s24、分别计算均值序列和尖度序列的波动系数；
13、s25、根据均值序列和尖度序列的波动系数，计算每个部位反射的回波信号的波动值；
14、s26、筛选出波动值大于波动阈值的回波信号作为异常部位反射的回波信号。
15、上述进一步地方案的有益效果为：本发明中先按时间对回波信号进行切分，提取每个回波子信号的均值，构建均值序列，均值序列中每个均值元素表征一段时间的回波信号的幅值情况，提取每个回波子信号的尖度，构建尖度序列，尖度序列中每个尖度元素表征信号波形尖锐程度，能够识别信号中的异常或突变，再分别提取均值序列和尖度序列的波动系数，用于表征两个序列的趋势，从而找出趋势异常的信号。
16、进一步地，所述s23中尖度的计算公式为：
17、，
18、其中，max为取最大值，si,j为第i个回波子信号中第j个数值，m为第i个回波子信号中数值的数量，j为正整数，| |为绝对值。
19、进一步地，所述s24中计算波动系数的公式为：
20、，
21、其中，θ为波动系数，xi+1为序列中第i+1个元素，xi为序列中第i个元素。
22、进一步地，所述s25中计算每个部位反射的回波信号的波动值的公式为：
23、，
24、其中，θz为每个部位反射的回波信号的波动值，θe为均值序列的波动系数，θr为尖度序列的波动系数，ωe为θe的权重，ωr为θr的权重。
25、上述进一步地方案的有益效果为：本发明对均值序列和尖度序列采用相同的计算波动系数的公式，从而实现通过相邻均值的变化情况，以及相邻尖度的变化情况，表征每个部位反射的回波信号的波动值。
26、进一步地，所述s3包括以下分步骤：
27、s31、根据异常部位反射的回波信号中每个数值的邻域，计算该数值的分布因子；
28、s32、对各个分布因子进行聚类处理，找到包含分布因子最多的类，得到正常类；
29、s33、从各个分布因子中剔除包含在正常类中的分布因子，得到剩余分布因子；
30、s34、将剩余分布因子对应的数值保留，得到异常区间的信号。
31、上述进一步地方案的有益效果为：在确定异常回波信号后，异常回波信号中包含部分正常信号和异常信号，由于裂纹在桥梁的面积占比小，因此，根据每个数值的分布因子，对分布因子进行聚类处理，找到正常类，剔除正常类，剩余分布因子对应的数值为异常区间的信号。
32、进一步地，所述s31中分布因子的计算公式为：
33、，
34、其中，γj为第j个数值的分布因子，sj为异常部位反射的回波信号中第j个数值，sj,k为异常部位反射的回波信号中第j个数值sj邻域范围内的第k个数值，j和k为正整数，l为邻域范围内数值的数量。
35、上述进一步地方案的有益效果为：本发明中分布因子是以每个数值为中心，考虑中心邻域范围内l个数值与中心数值的距离情况，并取四次方，增大各个分布因子之间的差距，便于进行分类。
36、进一步地，所述s4中预测模型包括：第一卷积层、第二卷积层、第一转置运算层、第二转置运算层、第一哈达玛积运算层h1、第二哈达玛积运算层h2、加法器、残差块和预测单元；
37、所述第一卷积层的输入端与第二卷积层的输入端连接，并作为预测模型的输入端；所述第一卷积层的输出端分别与第一转置运算层的输入端和第一哈达玛积运算层h1的第一输入端连接；所述第一哈达玛积运算层h1的第二输入端与第一转置运算层的输出端连接，其输出端与加法器的第一输入端连接；所述第二卷积层的输出端分别与第二转置运算层的输入端和第二哈达玛积运算层h2的第一输入端连接；所述第二哈达玛积运算层的第二输入端与第二转置运算层的输出端连接，其输出端与加法器的第二输入端连接；所述残差块的输入端与加法器的输出端连接，其输出端与预测单元的第一输入端连接；所述预测单元的第二输入端用于输入时间长度；所述预测单元的输出端作为预测模型的输出端。
38、上述进一步地方案的有益效果为：本发明中第一卷积层和第二卷积层的卷积核大小不同，用于提取信号的不同特征，再分别进行转置运算，采用转置运算后的数据与转置运算前的数据进行哈达玛积运算，实现特征的自适应增强，凸显数据信号特征，再通过加法器融合两种特征，采用残差块进一步提取特征，采用预测单元处理残差块输出的信号特征，以及时间长度，便于根据时间长度和信号，预测裂纹的宽度。
39、进一步地，所述预测单元包括：第一sigmoid层、第二sigmoid层和输出层；
40、所述第一sigmoid层的输入端作为预测单元的第一输入端；所述第二sigmoid层的输入端作为预测单元的第二输入端；所述输出层的输入端分别与第一sigmoid层的输出端和第二sigmoid层的输出端连接，其输出端作为预测单元的输出端。
41、进一步地，所述第一sigmoid层的表达式为：
42、，
43、其中，y1为第一sigmoid层的输出，sigmoid为s型函数，vn为残差块的第n个输出，r为残差块输出的数量，n为正整数，wn为vn的权重，bn为vn的偏置；
44、所述第二sigmoid层的表达式为：
45、，
46、其中，y2为第二sigmoid层的输出，te为异常区间的信号的结束时间，ts为异常区间的信号的开始时间，we为时间权重，be为时间偏置；
47、所述输出层的表达式为：
48、，
49、其中，y为输出层的输出，wy1为y1的权重，wy2为y2的权重，by为输出层的偏置，tanh为双曲正切函数。
50、上述进一步地方案的有益效果为：本发明中通过两个sigmoid层分别处理残差块输出和时间长度，从而便于对其赋予不同权重和偏置，得到各自的预测值，再通过输出层进行再次赋予权重和偏置，建立预测桥梁裂纹宽度与时间长度和残差块输出的映射，采用两层权重和偏置的方式，更便于调节输入和输出的关系。
1.一种桥梁裂纹检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的桥梁裂纹检测方法，其特征在于，所述s2包括以下分步骤：
3.根据权利要求2所述的桥梁裂纹检测方法，其特征在于，所述s23中尖度的计算公式为：
4.根据权利要求2所述的桥梁裂纹检测方法，其特征在于，所述s24中计算波动系数的公式为：
5.根据权利要求4所述的桥梁裂纹检测方法，其特征在于，所述s25中计算每个部位反射的回波信号的波动值的公式为：
6.根据权利要求1所述的桥梁裂纹检测方法，其特征在于，所述s3包括以下分步骤：
7.根据权利要求6所述的桥梁裂纹检测方法，其特征在于，所述s31中分布因子的计算公式为：
8.根据权利要求1所述的桥梁裂纹检测方法，其特征在于，所述s4中预测模型包括：第一卷积层、第二卷积层、第一转置运算层、第二转置运算层、第一哈达玛积运算层h1、第二哈达玛积运算层h2、加法器、残差块和预测单元；
9.根据权利要求8所述的桥梁裂纹检测方法，其特征在于，所述预测单元包括：第一sigmoid层、第二sigmoid层和输出层；
10.根据权利要求9所述的桥梁裂纹检测方法，其特征在于，所述第一sigmoid层的表达式为：
