本发明涉及计算机视觉领域，具体涉及一种车顶杆件表面漆面裂纹识别方法、装置、设备及产品。
背景技术：
1、接电杆等杆件一般安装于动车组的车顶，其与受电弓的连接情况会影响动车的动态运行安全，接电杆在长期服役过程中需承受周期性交变载荷的作用，其结构部件易于发生疲劳裂纹及断裂。现有的杆件表面漆面裂纹识别算法可以分为两种，机器视觉算法以及基于深度学习的算法。机器视觉算法结合先验理论和去雾技术，增强裂纹特征，并对增强后的裂纹进行边缘提取，分析比较亚像素边缘检测；而深度学习算法基于构建的大数据库，先进的硬件设备及算力，可以有效地在提升准确率的同时处理复杂环境带来的影响，但是无法处理复杂环境的影响。
2、因此，如何判断车顶杆件表面漆面是否存在裂纹是目前业界亟待解决的重要课题。
技术实现思路
1、有鉴于此，本发明实施例提供了一种车顶杆件表面漆面裂纹识别方法、装置、设备及产品，以解决现有技术中接电杆等杆件的计算机视觉识别中无法处理复杂环境的影响的问题。
2、根据第一方面，本发明实施例提供了一种车顶杆件表面漆面裂纹识别方法，所述方法包括：
3、获取目标杆件图像；
4、将所述目标杆件图像输入至训练好的裂纹识别模型中，得到所述裂纹识别模型提取的所述目标杆件图像中至少一个关键部件的裂纹识别信息；所述裂纹识别模型是基于样本杆件图像以及利用构造法在所述样本杆件图像上生成的裂纹杆件图像训练得到的。
5、结合第一方面，在第一方面第一实施方式中，所述裂纹识别模型包括：
6、第一语义分割层，用于获取原始图像，并对所述原始图像进行语义识别；
7、第二语义分割层，用于对所述第一语义分割层输出的所述目标杆件图像，并对所述目标杆件图像进行轮廓识别；
8、裂纹识别层，用于对所述第二语义分割层输出的包含所述关键部件对应的特征信息进行裂纹识别；
9、裂纹标注层，用于对所述裂纹识别层输出的裂纹信息进行区域标注。
10、结合第一方面第一实施方式，在第一方面第二实施方式中，所述将所述目标杆件图像输入至训练好的裂纹识别模型中，得到所述裂纹识别模型提取的所述目标杆件图像中至少一个关键部件的裂纹识别信息，具体包括：
11、获取所述原始图像；
12、将所述原始图像输入至所述第一语义分割层中，得到所述第一语义分割层输出的所述目标杆件图像；
13、将所述目标杆件图像输入至所述第二语义分割层中，得到所述第二语义分割层输出的所述关键部件对应的特征信息；
14、将所述特征信息输入至所述裂纹识别层中，得到所述裂纹识别层输出的裂纹信息；
15、将所述裂纹信息输入至所述裂纹标注层，得到所述裂纹标准层输出的裂纹识别信息。
16、结合第一方面第二实施方式，在第一方面第三实施方式中，所述裂纹识别模型包括：deeplabv3+语义分割模型与resnet判别模型。
17、结合第一方面，在第一方面第四实施方式中，所述裂纹杆件图像通过以下方式得到：
18、获取原始图像；
19、设置带裂纹杆件模型的参数；
20、通过带裂纹杆件模轮廓提取以及梯度计算提取原始图像的轮廓区域
21、将对应轮廓区域叠加到所述原始图像中，得到所述裂纹杆件图像。
22、结合第一方面，在第一方面第五实施方式中，所述裂纹杆件图像通过以下方式得到：
23、获取目标杆件图像，利用轮廓提取算法得到目标杆件图像的管道位置以及对应编号；
24、随机挑选轮廓作为目标杆件图像对应的管道底图；
25、利用构建轮廓最小矩形的方式得到管道底图的初始方向，并且在管道底图中随机条件点作为起点；
26、基于起点以及初始方向不断延申裂纹，并且设置波动项使得管道发生曲折，得到裂纹图像并且与管道底图结合得到所述裂纹杆件图像。
27、根据第二方面，本发明实施例提供了一种车顶杆件表面漆面裂纹识别装置，所述装置包括：
28、图像获取模块，用于获取目标杆件图像；
29、裂纹识别模块，用于将所述目标杆件图像输入至训练好的裂纹识别模型中，得到所述裂纹识别模型提取的所述目标杆件图像中至少一个关键部件的裂纹识别信息；所述裂纹识别模型是基于样本杆件图像以及利用构造法在所述样本杆件图像上生成的裂纹杆件图像训练得到的。
30、根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面所述的车顶杆件表面漆面裂纹识别方法。
31、根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面所述的车顶杆件表面漆面裂纹识别方法。
32、本发明提供的车顶杆件表面漆面裂纹识别方法、装置、设备及产品，可在缺少负样本的前提下，针对复杂环境中的杆件裂纹识别提供有效手段，可以在缺乏有效裂纹对照组的前提下通过裂纹叠加以及自适应生成的方式构造了带裂纹的杆体，借此将其与原图像构成数据集，训练对应的裂纹判别模型。考虑到提取杆体图像本身需要语义分割模型，所以之后选择将提取与判别进行分开，也降低了两部分网络的对应难度。
1.一种车顶杆件表面漆面裂纹识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的车顶杆件表面漆面裂纹识别方法，其特征在于，所述裂纹识别模型包括：
3.根据权利要求2所述的车顶杆件表面漆面裂纹识别方法，其特征在于，所述将所述目标杆件图像输入至训练好的裂纹识别模型中，得到所述裂纹识别模型提取的所述目标杆件图像中至少一个关键部件的裂纹识别信息，具体包括：
4.根据权利要求3所述的车顶杆件表面漆面裂纹识别方法，其特征在于，所述裂纹识别模型包括：deeplabv3+语义分割模型与resnet判别模型。
5.根据权利要求1所述的车顶杆件表面漆面裂纹识别方法，其特征在于，所述裂纹杆件图像通过以下方式得到：
6.根据权利要求1所述的车顶杆件表面漆面裂纹识别方法，其特征在于，所述裂纹杆件图像通过以下方式得到：
7.根据权利要求1所述的车顶杆件表面漆面裂纹识别方法，其特征在于，所述裂纹杆件图像为在所述样本杆件图像上生成样本裂纹。
8.一种车顶杆件表面漆面裂纹识别装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述车顶杆件表面漆面裂纹识别方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述车顶杆件表面漆面裂纹识别方法的步骤。
