CN113744268B - 一种裂纹检测方法、电子设备及可读存储介质 - Google Patents

Abstract

本发明提供了一种裂纹检测方法、电子设备及可读存储介质，裂纹检测方法，包括：获取待检测裂纹图像；根据待检测裂纹图像，生成待检测裂纹特征图，其中，待检测裂纹特征图为待检测裂纹图像对应的裂纹特征图；将待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，以确定与待检测裂纹图像相匹配的标准裂纹特征图，其中，标准裂纹特征图为标准裂纹图像对应的裂纹特征图，每个标准裂纹特征图均关联有相应的裂纹检测结果；获取相应标准裂纹特征图所关联的裂纹检测结果，以作为待检测裂纹图像对应的裂纹检测结果。实施本发明的技术方案，可以提高裂纹检测的准确率。

Description

一种裂纹检测方法、电子设备及可读存储介质

技术领域

本发明涉及检测领域，具体而言，涉及一种裂纹检测方法、电子设备及可读存储介质。

背景技术

现有的裂纹检测，先由定检人员依靠肉眼或者放大镜等光学设备对被检物体的表面进行观察，再根据主观经验判断被检物体的裂纹检测结果，其不足在于，由于定检人员专业能力不一，易导致裂纹检测的准确率低。

发明内容

本发明解决的问题是现有技术中裂纹检测准确率低的问题。

为解决上述问题，本发明提供了一种裂纹检测方法，包括：

获取待检测裂纹图像；

根据所述待检测裂纹图像，生成待检测裂纹特征图，其中，所述待检测裂纹特征图为所述待检测裂纹图像对应的裂纹特征图；

将所述待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，以确定与所述待检测裂纹图像相匹配的所述标准裂纹特征图，其中，所述标准裂纹特征图为标准裂纹图像对应的裂纹特征图，每个所述标准裂纹特征图均关联有相应的裂纹检测结果；

获取相应所述标准裂纹特征图所关联的裂纹检测结果，以作为所述待检测裂纹图像对应的裂纹检测结果。

可选地，所述获取待检测裂纹图像，包括：

控制增强现实设备或混合现实设备拍摄裂纹，以获取所述待检测裂纹图像。

可选地，所述待检测裂纹特征图和所述标准裂纹特征图基于相同的算法生成。

可选地，所述根据所述待检测裂纹图像，生成待检测裂纹特征图，包括：

利用预先训练的裂纹特征图生成网络，生成所述待检测裂纹图像的裂纹特征图，所述裂纹特征图生成网络由卷积神经网网络通过待训练样本训练得到，所述待训练样本包括待训练裂纹图像和所述待训练裂纹图像对应的裂纹特征图。

可选地，所述标准裂纹特征图由所述裂纹特征图生成网络根据相应所述标准裂纹图像生成。

可选地，所述待训练裂纹图像均从所述标准裂纹图像中获取。

可选地，所述将所述待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，以确定与所述待检测裂纹图像相匹配的所述标准裂纹特征图，包括：

将所述待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，得到所述待检测裂纹特征图与每个所述标准裂纹特征图的相似度；

根据所述待检测裂纹特征图与每个所述标准裂纹特征图的相似度，确定与所述待检测裂纹特征图相似度最高的所述标准裂纹特征图，以作为与所述待检测裂纹图像相匹配的所述标准裂纹特征图。

可选地，所述裂纹检测方法还包括：将所述待检测裂纹图像对应的裂纹检测结果叠加显示到增强现实设备含有的透镜显示屏或混合现实设备含有的透镜显示屏。

本发明还提供了一种电子设备，包括：

处理器；以及，

存储程序的存储器，

其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行本发明提供的任一裂纹检测方法。

本发明还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本发明提供的任一裂纹检测方法。

本申请实施例中提供的一个或多个技术方案，可以实现如下技术效果：

通过生成待检测裂纹特征图，从图库中确定与待检测裂纹图像相匹配的标准裂纹特征图，获取相应所述标准裂纹特征图所关联的裂纹检测结果，以得到待检测裂纹图像对应的裂纹检测结果。使得裂纹检测结果不依赖于当前检测人员的主观判断，不会因为当前检测人员的专业能力不足，而导致裂纹检测结果不准确，提高了裂纹检测的准确率。

通过获取相应标准裂纹特征图的裂纹检测结果来得到待检测裂纹图像的裂纹检测结果，使得预设图库的标准裂纹特征图越齐全以及相应的裂纹检测结果越精确，最终的裂纹检测结果也更精确。因此，只需通过迭代更换预设图库的标准裂纹特征图以及相应的裂纹检测结果，即可提高裂纹检测的精确度。同时，标准裂纹特征图关联的裂纹检测结果是关联的，因此可以通过关联设置不同的裂纹检测结果，使其满足不同的需求。

由于预设图库的标准裂纹特征图相对于标准裂纹图像，其剔除了标准裂纹图像中一些与裂纹信息不相关的信息，所以相对于采用标准裂纹图像，采用标准裂纹特征图可以减少预设图库的总数据量，以及，提高待检测裂纹特征图与标准裂纹特征图的匹配速度，进而提高裂纹检测效率。

附图说明

图1为本发明实施例的裂纹检测方法的一种流程图；

图2为本发明实施例的裂纹检测方法的另一种流程图。

具体实施方式

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。

应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

以下参照附图描述本发明的方案：

参见图1，一种裂纹检测方法，包括：

S101，获取待检测裂纹图像；

S102，根据待检测裂纹图像，生成待检测裂纹特征图，其中，待检测裂纹特征图为待检测裂纹图像对应的裂纹特征图；

S103，将待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，以确定与待检测裂纹图像相匹配的标准裂纹特征图，其中，标准裂纹特征图为标准裂纹图像对应的裂纹特征图，每个标准裂纹特征图均关联有相应的裂纹检测结果；

S104，获取相应标准裂纹特征图所关联的裂纹检测结果，以作为待检测裂纹图像对应的裂纹检测结果。

上述裂纹检测方法可以由混合现实设备、增强现实设备、服务器、客户端等来执行，本发明实施例对此不作限定。

上述待检测裂纹图像可以通过拍摄裂纹得到，以检测桥梁的裂纹为例，可以在桥梁处拍摄相应的裂纹图像，以得到待检测裂纹图像。待检测裂纹图像也可以从已拍摄的裂纹图像中获取，例如，可以直接读取已拍摄的裂纹图像，以作为待检测裂纹图像。

上述裂纹特征图是含有裂纹信息的特征图。裂纹信息可以是裂纹宽度、裂纹长度、裂纹形状或裂纹分布等信息。可以知道的，裂纹特征图剔除了原图像中一些与裂纹信息无关的图像信息。

上述标准裂纹图像可以是从拍摄的裂纹图像中任意选择的裂纹图像；标准裂纹图像也可以是从拍摄的裂纹图像中选择的不同类型裂纹的、不同长度裂纹、不同宽度裂纹的裂纹图像。例如，工作人员可选择不同类型的、不同长度、不同宽度的裂纹图像作为标准裂纹图像，一般情况下，选择清晰度高的裂纹图像。上述标准裂纹特征图所关联的裂纹检测结果，可以由具有检测能力的工作人员事先检测得到，裂纹检测结果可包含裂纹类别、裂纹病害或裂纹等级等信息中的一种或多种，例如，裂纹检测结果包括裂纹病害和裂纹等级。

上述相应标准裂纹特征图是指S103确定的与待检测裂纹图像相匹配的标准裂纹特征图。

本发明实施例提供的裂纹检测方法，通过生成待检测裂纹特征图，从图库中确定与待检测裂纹图像相匹配的标准裂纹特征图，获取相应标准裂纹特征图所关联的裂纹检测结果，以得到待检测裂纹图像对应的裂纹检测结果。使得裂纹检测结果不依赖于当前检测人员的主观判断，不会因为当前检测人员的专业能力不足，而导致裂纹检测结果不准确，提高了裂纹检测的准确率。

本发明实施例提供的裂纹检测方法，通过获取相应标准裂纹特征图的裂纹检测结果来得到待检测裂纹图像的裂纹检测结果，使得预设图库的标准裂纹特征图越齐全以及相应的裂纹检测结果越精确，最终的裂纹检测结果也更精确。因此，只需通过迭代更换预设图库的标准裂纹特征图以及相应的裂纹检测结果，即可提高裂纹检测的精确度。同时，可以知道的，标准裂纹特征图关联的裂纹检测结果是事先确定保存的，因此可以通过设置不同的裂纹检测结果，使其满足不同的需求。

本发明实施例提供的裂纹检测方法，由于预设图库的标准裂纹特征图相对于标准裂纹图像，其剔除了标准裂纹图像中一些与裂纹信息不相关的信息，所以相对于采用标准裂纹图像，采用标准裂纹特征图可以减少预设图库的总数据量，以及，提高待检测裂纹特征图与标准裂纹特征图的匹配速度，进而提高裂纹检测效率。

在一个可选的实施方式中，获取待检测裂纹图像，包括：控制增强现实设备或混合现实设备拍摄裂纹，以获取待检测裂纹图像。

在一个可选的实施方式中，裂纹检测方法还包括：控制增强现实设备或混合现实设备显示裂纹检测结果。

结合上述两种实施方式， 参见图2，裂纹检测方法，包括：

S201，控制增强现实设备或混合现实设备拍摄裂纹，以获取待检测裂纹图像；

S202，根据待检测裂纹图像，生成待检测裂纹特征图，其中，待检测裂纹特征图为待检测裂纹图像对应的裂纹特征图；

S203，将待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，以确定与待检测裂纹图像相匹配的标准裂纹特征图，其中，标准裂纹特征图为标准裂纹图像对应的裂纹特征图，每个标准裂纹特征图均关联有相应的裂纹检测结果；

S204，获取相应标准裂纹特征图所关联的裂纹检测结果，以作为待检测裂纹图像对应的裂纹检测结果。

S205，将待检测裂纹图像对应的裂纹检测结果叠加显示到增强现实设备含有的透镜显示屏或混合现实设备含有的透镜显示屏。

本实施方式中，可以先将能执行该裂纹检测方法的程序加载到增强现实设备或混合现实设备中。使用时，工作人员通过佩戴增强现实设备或混合现实设备拍摄裂纹，增强现实设备或混合现实设备执行上述步骤，并在透镜显示屏中显示裂纹检测结果，使得工作人员可以直观的看到裂纹检测结果，便于实现相互之间的交互，其中，透镜显示屏可以是全息透镜显示器。

增强现实设备或混合现实设备的处理性能相对于电脑其运行能力相对偏弱，计算能力较低，因此，本实施方式中，可以增强现实设备或混合现实设备可以通过轻量化网络结构的检测器来生成待检测裂纹特征图，以及，通过轻量化网络结构的检测器来确定与待检测裂纹图像相匹配的标准裂纹特征图。生成待检测裂纹特征图时，可采用深度可分离卷积结构替代传统卷积结构，其中，深度可分离卷积结构包括逐通道卷积和逐点卷积两个过程，相比常规的卷积操作，其参数数量和运算成本比较低，可以有效降低佩戴混合现实设备的处理负荷。当然，需要说明的是，采用电脑等方式执行本发明其他实施例的裂纹检测方法时，也可以采用轻量化网络结构和深度可分离卷积结构。

在一个可选实施方式中，将待检测裂纹图像对应的裂纹检测结果叠加显示到增强现实设备含有的透镜显示屏或混合现实设备含有的透镜显示屏时，根据待检测裂纹图像中的裂纹坐标，将待检测裂纹图像对应的裂纹检测结果叠加显示到增强现实设备含有的透镜显示屏或混合现实设备含有的透镜显示屏。若增强现实设备或混合现实设备的位置变化未超过预设的位置变化阈值且角度变化未超过预设的角度变化阈值时，则将待检测裂纹图像对应的裂纹检测结果叠加显示到增强现实设备含有的透镜显示屏或混合现实设备含有的透镜显示屏。若增强现实设备或混合现实设备的位置变化超过预设的位置变化阈值或角度变化超过预设的角度变化阈值时，根据当前增强现实设备或混合现实设备拍摄得到的现场裂纹图像，生成现场裂纹图像的裂纹特征图；将现场裂纹图像的裂纹特征图与待检测裂纹特征图对比，若现场裂纹图像的裂纹特征图与待检测裂纹特征图的相似度超过预设的相似度阈值，则根据现场裂纹图像中的裂纹坐标，将待检测裂纹图像的裂纹识别结果显示到增强现实设备含有的透镜显示屏或混合现实设备含有的透镜显示屏。其中，待检测裂纹图像中的裂纹坐标和现场裂纹图像中的裂纹坐标可以采用现有的目标检测模型，此处不做限定。本实施方式中，在增强现实设备或混合现实设备的位置变化未超过预设的位置变化阈值且角度变化未超过预设的角度变化阈值时，将待检测裂纹图像对应的裂纹检测结果叠加显示到增强现实设备含有的透镜显示屏或混合现实设备含有的透镜显示屏，因此可以减少S101~S103的执行次数。在增强现实设备或混合现实设备的位置变化超过预设的位置变化阈值或角度变化超过预设的角度变化阈值时，基于现场裂纹图像的裂纹特征图与待检测裂纹特征图像的对比结果确定是否显示待检测裂纹图像的裂纹识别结果，如此，可以预先将相应的裂纹检测结果进行显示，提高相应裂纹检测结果的实时性。位置变化阈值、角度变化阈值和相似度阈值均可以根据需要设置，本实施方式不做限定，例如，位置变化阈值设置为5cm，角度变化阈值设置为2度，像素点阈值设置为90%。

在一个可选实施方式中，待检测裂纹特征图和标准裂纹特征图基于相同的算法生成。

标准裂纹特征图可由机器学习算法生成。

在一个实施方式中，标准裂纹特征图由基于区域特征聚类的显著性物体检测算法生成，其中，基于区域特征聚类的显著性物体检测算法通过超像素算法对标准裂纹图像进行分割得到各个图像区域，然后提取各个分图像区域的特征得到特征向量，接着使用多带宽无参聚类算法对特征向量进行聚类和显著性计算，得到显著性图像，再利用神经网络把显著性图像合并，然后重复上述步骤，以得到标准裂纹特征图。

通过上述显著性物体检测算法所得到的标准裂纹特征图，可以得到能更好表达标准裂纹特征图中裂纹特征的标准裂纹特征图，使得基于该标准裂纹特征图与待检测裂纹特征图的对比结果能更好地代表标准裂纹图像中的裂纹与待检测裂纹特征中的裂纹的比对结果，进而使得基于该对比结果得到的裂纹检测结果更准确。

可以知道的，待检测裂纹特征图也可以采用上述于区域特征聚类的显著性物体检测算法来生成。

在一个实施方式中，标准裂纹特征图由基于多尺度特征融合深度学习的裂纹快速自动勾画算法生成，其中，基于多尺度特征融合深度学习的裂纹快速自动勾画算法使用定性深度学习网络提取特征值，特征值依次经多维度融合特征、连续多尺度全卷机，输出缩放的裂纹图像，得到标准裂纹特征图。

通过上述裂纹快速自动勾画算法所得到的标准裂纹特征图，可以得到能更好表达标准裂纹特征图中裂纹特征的标准裂纹特征图，使得基于该标准裂纹特征图与待检测裂纹特征图的对比结果能更好地代表标准裂纹图像中的裂纹与待检测裂纹特征中的裂纹的比对结果，进而使得基于该对比结果得到的裂纹检测结果更准确。

可以知道的，待检测裂纹特征图也可以采用上述于区域特征聚类的裂纹快速自动勾画算法来生成。

在一个可选实施方式中，根据待检测裂纹图像，生成待检测裂纹特征图，包括：

利用预先训练的裂纹特征图生成网络，生成待检测裂纹图像的裂纹特征图，裂纹特征图生成网络由卷积神经网网络通过待训练样本训练得到，待训练样本包括待训练裂纹图像和待训练裂纹图像对应的裂纹特征图。

本实施方式中，卷积神经网网络包括特征提取层，特征提取层可包括卷积层和池化层。卷积神经网网络通过训练样本训练后，使得卷积神经网网络的特征提取层所提取的待训练裂纹图像的裂纹特征图与训练样本中的待训练裂纹图像对应的裂纹特征图相似，最终使得训练得到裂纹特征图生成网络可以根据输入裂纹特征图生成网络的图像，生成相应的裂纹特征图。其中，训练所采用的损失函数可以是交叉熵损失函数、绝对值损失函数等损失函数。

在一个可选实施方式中，标准裂纹特征图由裂纹特征图生成网络根据相应标准裂纹图像生成。标准裂纹特征图和待检测裂纹特征图采用相同的裂纹特征图生成网络生成，使得标准裂纹特征图和待检测裂纹特征图的相似度越大，标准裂纹特征图对应的标准裂纹图像与待检测裂纹特征图的待检测裂纹图像的相似度也越大，如此，可以准确地确定的与待检测裂纹图像相匹配的标准裂纹特征图。

本实施方式中，相应标准裂纹图像是指标准裂纹特征图所对应的标准裂纹图像。标准裂纹图像可以是预先拍摄得到的裂纹图像，为了保证裂纹检测效果，可预先拍摄各种类型的裂纹样式、深度和宽度的裂纹以得到标准裂纹图像。标准裂纹图像从众多裂纹图像中选择裂纹覆盖率高和图像质量高的裂纹图像。以钢筋混凝土结构桥梁的裂纹图像为例，可从大量拍摄的不同桥梁的裂纹图像中，挑选不同样式类别、不同深度或不同宽度的裂纹图像覆盖率高且图像质量高的裂纹图像，以作为标准裂纹图像。

在一个可选实施方式中，待训练裂纹图像均从标准裂纹图像中获取。使得在获取训练样本时，只需从众多标准裂纹图像中选取其中部分或全部作为待训练裂纹图像，无需单独拍摄裂纹图像来获得待训练裂纹图像，减少前期准备的工作量。 同时，由于采用了标准裂纹图像作为待训练裂纹图像，因此，基于待训练裂纹图像得到的裂纹特征图生成网络所生成的待检测裂纹特征图与标准裂纹特征图匹配时，能更好的表示对应的待检测裂纹图像与对应的标准裂纹图像匹配。

在一个可选实施方式中，将待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，以确定与待检测裂纹图像相匹配的标准裂纹特征图，包括：

将待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，得到待检测裂纹特征图与每个标准裂纹特征图的相似度；

根据待检测裂纹特征图与每个标准裂纹特征图的相似度，确定与待检测裂纹特征图相似度最高的标准裂纹特征图，以作为与待检测裂纹图像相匹配的标准裂纹特征图。

本实施方式中，待检测裂纹特征图与标准裂纹特征图的相似度可以采用余弦相似度计算、欧式距离计算等方式计算得到，对此，本实施方式中不再详细描述。

在一个可选实施方式中，将待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，以确定与待检测裂纹图像相匹配的标准裂纹特征图，包括：

确定与待检测裂纹特征图相似度高于设定值的标准裂纹特征图，以作为与待检测裂纹图像相匹配的标准裂纹特征图。

本实施方式中，可以无需计算所有标准裂纹特征图与待检测裂纹图像的裂纹特征图的相似度，因此，可以提高确定与待检测裂纹图像的裂纹特征图相匹配的标准裂纹特征图时的效率。其中，设定值可以根据对检测精度的实际需求设置，例如设置成0.9等。

在一个可选实施方式中，将待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，以确定与待检测裂纹图像相匹配的标准裂纹特征图，包括：

将待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，得到待检测裂纹特征图与每个标准裂纹特征图的相似度；

根据待检测裂纹特征图与每个标准裂纹特征图的相似度，确定与待检测裂纹特征图相似度最高且相似度大于设定值的标准裂纹特征图，以作为与待检测裂纹图像相匹配的标准裂纹特征图。

其中，设定值可以根据对检测精度的实际需求设置，例如设置成0.9等。

本发明实施例还提供了一种电子设备，包括：

处理器；以及

存储程序的存储器，

其中，程序包括指令，指令在由处理器执行时使处理器执行本发明实施例提供的任一裂纹检测方法。

电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

电子设备可包括计算单元，其可以根据存储在只读存储器（ROM）中的计算机程序或者从存储单元加载到随机访问存储器（RAM）中的计算机程序，来执行各种适当的动作和处理。在RAM中，还可存储设备操作所需的各种程序和数据。计算单元、ROM以及RAM通过总线彼此相连。输入/输出（I/O）接口也连接至总线。

本发明实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本发明实施例提供的任一裂纹检测方法。

虽然本发明披露如上，但本发明的保护范围并非仅限于此。本领域技术人员在不脱离本发明的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。

Claims (8)

1.一种裂纹检测方法，其特征在于，包括：

控制增强现实 设备或混合现实 设备拍摄裂纹，以获取待检测裂纹图像；

根据所述待检测裂纹图像，采用深度可分离卷积结构生成待检测裂纹特征图，其中，所述待检测裂纹特征图为所述待检测裂纹图像对应的裂纹特征图，所述深度可分离卷积结构包括逐通道卷积和逐点卷积；

将所述待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，以确定与所述待检测裂纹图像相匹配的所述标准裂纹特征图，其中，所述标准裂纹特征图为标准裂纹图像对应的裂纹特征图，每个所述标准裂纹特征图均关联有相应的裂纹检测结果；

获取相应所述标准裂纹特征图所关联的裂纹检测结果，以作为所述待检测裂纹图像对应的裂纹检测结果；

根据所述待检测裂纹图像中的裂纹坐标，将所述待检测裂纹图像对应的裂纹检测结果叠加显示到增强现实设备含有的透镜显示屏或混合现实设备含有的透镜显示屏，其中，若增强现实设备或混合现实设备的位置变化未超过预设的位置变化阈值且角度变化未超过预设的角度变化阈值时，则将待检测裂纹图像对应的裂纹检测结果叠加显示到增强现实设备含有的透镜显示屏或混合现实设备含有的透镜显示屏；若增强现实设备或混合现实设备的位置变化超过预设的位置变化阈值或角度变化超过预设的角度变化阈值时，根据当前增强现实设备或混合现实设备拍摄得到的现场裂纹图像，生成现场裂纹图像的裂纹特征图；将现场裂纹图像的裂纹特征图与待检测裂纹特征图对比，若现场裂纹图像的裂纹特征图与待检测裂纹特征图的相似度超过预设的相似度阈值，则根据现场裂纹图像中的裂纹坐标，将待检测裂纹图像的裂纹识别结果显示到增强现实设备含有的透镜显示屏或混合现实设备含有的透镜显示屏。

2.根据权利要求1所述的裂纹检测方法，其特征在于，所述待检测裂纹特征图和所述标准裂纹特征图基于相同的算法生成。

3.根据权利要求1所述的裂纹检测方法，其特征在于，所述根据所述待检测裂纹图像，采用深度可分离卷积结构生成待检测裂纹特征图，包括：

利用预先训练的裂纹特征图生成网络，生成所述待检测裂纹图像的裂纹特征图，所述裂纹特征图生成网络由卷积神经网络通过待训练样本训练得到，所述待训练样本包括待训练裂纹图像和所述待训练裂纹图像对应的裂纹特征图。

4.根据权利要求3所述的裂纹检测方法，其特征在于，所述标准裂纹特征图由所述裂纹特征图生成网络根据相应所述标准裂纹图像生成。

5.根据权利要求3所述的裂纹检测方法，其特征在于，所述待训练裂纹图像均从所述标准裂纹图像中获取。

6.根据权利要求1所述的裂纹检测方法，其特征在于，所述将所述待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，以确定与所述待检测裂纹图像相匹配的所述标准裂纹特征图，包括：

将所述待检测裂纹特征图与预设图库中所含有的多个标准裂纹特征图进行对比，得到所述待检测裂纹特征图与每个所述标准裂纹特征图的相似度；

根据所述待检测裂纹特征图与每个所述标准裂纹特征图的相似度，确定与所述待检测裂纹特征图相似度最高的所述标准裂纹特征图，以作为与所述待检测裂纹图像相匹配的所述标准裂纹特征图。

7.一种电子设备，其特征在于，包括：

处理器；以及，

存储程序的存储器，

其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。

8.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

Images