一种裂缝图像的识别方法、识别装置及介质

摘要

本发明公开了一种裂缝图像的识别方法、装置及介质，适用于裂缝识别技术领域。获取路面裂缝的图像信息；根据预设分类信息将图像信息进行分类标注得到标注图像信息；将标注图像信息映射描述子，在将图像信息输入至YOLOv5网络模型进行像素与像素的卷积运算之前，根据描述子对标注图像信息提取并进行特征映射得到映射图像信息以实现在特征层面做卷积运算，避免现有的根据像素与像素卷积映射的线性依赖导致的非线性因素适应性较差的问题。考虑非线性因素，在特征映射层面的基础上进行卷积。以此引入特征映射改进YOLOv5网络模型，增强适应性，提高非线性变化因素时裂缝图像的识别率。

说明书

技术领域

本发明涉及裂缝识别技术领域，特别是涉及一种裂缝图像的识别方法、识别装置及介质。

背景技术

我国高速公路里程持续增长，其使用压力日渐加剧，高速公路养护密度逐年增加。沥青混凝土路面是高速公路主要路面类型，也是高速公路养护对象之一。沥青混凝土路面病害检测需求逐年上升，其裂缝是沥青混凝土路面常见病害类型，对高速公路使用性能影响较大。对裂缝进行及时识别、修补能够降低高速公路交通安全隐患，提高高速公路安全使用周期。因此，对高速公路路面裂缝精确识别对我国高速公路养护发展具有重要现实意义。

目前，高速公路路面裂缝识别主要为传统人工巡检和自动化方法，随着智能交通系统(Intelligent Transportation System，ITS)技术快速发展，人工巡检方法逐渐被自动化方法取代，产生自动化裂缝识别技术。对于现有的自动化方法，对于裂缝图像像素线性关系在线性光照和非线性光照的差别较大，随着天气、光照以及采集距离的变化等非线性因素产生时其识别率较低，像素与像素之间的卷积映射运算依赖像素的线性关系，未考虑非线性因素变化，导致适应性较差，影响非线性因素变化时裂缝图像的识别率。

因此，如何提高裂缝图像的识别率是本领域技术人员亟需要解决的。

发明内容

本发明的目的是提供一种裂缝图像的识别方法、识别装置及介质，提高非线性变化因素时裂缝图像的识别率。

为解决上述技术问题，本发明提供一种裂缝图像的识别方法，包括：

获取路面裂缝的图像信息；

根据预设分类信息将图像信息进行分类标注得到标注图像信息；

根据描述子对标注图像信息提取并进行特征映射得到映射图像信息；

将映射图像信息输入至YOLOv5网络模型进行识别以完成对裂缝图像的识别。

优选地，获取路标裂缝的图像信息，包括：

设定固定式PTZ相机的采集参数；

根据采集参数的短焦参数采集图像信息。

优选地，根据预设分类信息将图像信息进行分类标注得到标注图像信息，包括：

根据预设分类信息的第一分类信息将图像信息进行分类标注得到第一标注图像信息；

根据预设分类信息的第二分类信息将图像信息进行分类标注得到第二标注图像信息，其中第二分类信息为修补且未产生新的裂缝信息；

将第一标注图像信息与第二标注图像信息进行合并得到标注图像信息。

优选地，根据预设分类信息的第一分类信息将图像信息进行分类标注得到第一标注图像信息，包括：

根据图像信息与图像水平方向的夹角进行分类标注；

当夹角小于或等于第一预设夹角时，则确定第一标注图像信息为水平裂缝信息；

当夹角大于第一预设夹角且小于第二预设夹角时，则确定第一标注图像信息为倾斜裂缝信息，其中第二预设夹角大于第一预设夹角；

当夹角大于或等于第二预设夹角时，则确定第一标注图像信息为垂直裂缝信息。

优选地，根据描述子对标注图像信息提取并进行特征映射得到映射图像信息，包括：

根据描述子对标注图像信息进行提取得到裂缝边缘二值图像信息；

将裂缝边缘二值图像信息进行特征映射得到映射图像信息。

优选地，根据描述子对标注图像信息进行提取得到裂缝边缘二值图像信息，包括：

根据RATMIC描述子对标注图像信息进行提取得到裂缝边缘二值图像信息。

优选地，在将映射图像信息输入至YOLOv5网络模型进行识别之后，还包括：

生成图像信息的识别结果并输出提示信息。

为解决上述技术问题，本发明还提供一种裂缝图像的识别装置，包括：

获取模块，用于获取路面裂缝的图像信息；

分类标注模块，用于根据预设分类信息将图像信息进行分类标注得到标注图像信息；

映射模块，用于根据描述子对标注图像信息提取并进行特征映射得到映射图像信息；

识别模块，用于将映射图像信息输入至YOLOv5网络模型进行识别以完成对裂缝图像的识别。

为解决上述技术问题，本发明还提供一种裂缝图像的识别装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行计算机程序时实现如上述裂缝图像的识别方法的步骤。

为解决上述技术问题，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述裂缝图像的识别方法的步骤。

本发明提供的一种裂缝图像的识别方法，包括获取路面裂缝的图像信息；根据预设分类信息将图像信息进行分类标注得到标注图像信息；根据描述子对标注图像信息提取并进行特征映射得到映射图像信息；将映射图像信息输入至YOLOv5网络模型进行识别以完成对裂缝图像的识别。该方法将标注图像信息映射描述子，在将图像信息输入至YOLOv5网络模型进行像素与像素的卷积运算之前，根据描述子对标注图像信息提取并进行特征映射得到映射图像信息以实现在特征层面做卷积运算，避免现有的根据像素与像素卷积映射的线性依赖导致的非线性因素适应性较差的问题。考虑非线性因素，在特征映射层面的基础上进行卷积。以此引入特征映射改进YOLOv5网络模型，增强适应性，提高非线性变化因素时裂缝图像的识别率。

另外，本发明还提供了一种裂缝图像的识别装置及介质，具有如上述裂缝图像的识别方法相同的有益效果。

附图说明

为了更清楚地说明本发明实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种裂缝图像的识别方法的流程图；

图2为本发明实施例提供的一种固定式PTZ相机采集图像信息的示意图；

图3为本发明实施例提供的一种RATMIC描述子的示意图；

图4为本发明实施例提供的一种YOLOv5网络模型的示意图；

图5为本发明实施例提供的一种裂缝图像的识别装置的结构图；

图6为本发明实施例提供的另一种裂缝图像的识别装置的结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本发明保护范围。

本发明的核心是提供一种裂缝图像的识别方法、识别装置及介质，提高非线性变化因素时裂缝图像的识别率。

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。

需要说明的是，本发明提供的裂缝图像的识别方法，可以适用于路面裂缝领域，还可适用于线性光照和非线性光照因素下的残缺识别检测，可根据实际情况进行设定，本发明不做具体限定。

图1为本发明实施例提供的一种裂缝图像的识别方法的流程图，如图1所示，包括：

S11：获取路面裂缝的图像信息。

具体地，获取路面裂缝的图像信息，为减少人工巡检式养护方式人力、物力投入，现有发展趋势为采用移动式视觉装置对高速公路路面的裂缝识别，通常采用工业摄像机对路面扫描，获取路面裂缝图像，也可以通过路侧固定式旋转/高低俯仰/变焦(Pan/Tilt/Zoom，PTZ)相机，代表云台全方位(左右/上下)移动及镜头变倍、变焦控制，上述两种获取方式本发明不做具体限定，只要能采集到图像信息即可。作为一种优选地实施例，通过工业摄像机获取图像信息的方式由于采集时受动态环境干扰，缺乏裂缝位置信息，难以满足高速公路养护工程需求，优选采用PTZ相机采集图像信息。

S12：根据预设分类信息将图像信息进行分类标注得到标注图像信息。

在步骤S11中获取图像信息后，根据预设分类信息将图像信息进行分类标注，以此得到标注图像信息。通常情况下针对细节性的裂缝信息进行分类，其分类具有针对性，而本发明的预设分类信息将全面广泛更具有说服性。

具体地，预设分类信息可以根据裂缝与水平方向夹角进行分类，还可以根据裂缝与垂直方向的夹角进行分类，或者根据裂缝的修补信息进行分类，还可以进行常规的图像信息二分类等方式，或者将上述方式进行组合分类，本发明不做具体限定，只要将图像信息进行全方面广泛分类，兼顾不同的裂缝情况进行分类即可。

将图像信息按照预设分类信息分类后，采用标注软件对图像信息进行标注得到标注图像信息，本发明的标注软件为图像标注软件，例如使用labeling工具进行标注，生成适用于网络模型的图像训练集(标注图像信息)。

S13：根据描述子对标注图像信息提取并进行特征映射得到映射图像信息。

具体地，描述子是针对已经检测到的特征点进行描述，是一种二进制编码描述子，摒弃了区域灰度直方图描述特征点的传统方法，加快特征描述子建立的速度，降低特征匹配时间。

根据描述子对标注图像信息进行提取并特征映射得到映射图像信息，对于采用何种描述子本发明不做具体限定，可根据实际情况进行选用。避免现有的根据像素与像素卷积映射的线性依赖导致的非线性因素适应性较差的问题。考虑非线性因素，在特征层面的基础上进行卷积，也就是本实施例提供的在特征层面上得到映射图像信息。

S14：将映射图像信息输入至YOLOv5网络模型进行识别以完成对裂缝图像的识别。

在步骤S13中得到的映射图像信息输入至YOLOv5网络模型进行识别，生成能够对根据预设分类信息的图像信息进行识别的网络模型。将待识别的图像信息输入训练的YOLOv5网络模型获取裂缝识别结果。

本发明实施例提供的一种裂缝图像的识别方法，包括获取路面裂缝的图像信息；根据预设分类信息将图像信息进行分类标注得到标注图像信息；根据描述子对标注图像信息提取并进行特征映射得到映射图像信息；将映射图像信息输入至YOLOv5网络模型进行识别以完成对裂缝图像的识别。该方法将标注图像信息映射描述子，在将图像信息输入至YOLOv5网络模型进行像素与像素的卷积运算之前，根据描述子对标注图像信息提取并进行特征映射得到映射图像信息以实现在特征层面做卷积运算，避免现有的根据像素与像素卷积映射的线性依赖导致的非线性因素适应性较差的问题。考虑非线性因素，在特征映射层面的基础上进行卷积。以此引入特征映射改进YOLOv5网络模型，增强适应性，提高非线性变化因素时裂缝图像的识别率。

在上述实施例的基础上，步骤S11中的获取路标裂缝的图像信息，包括：

设定固定式PTZ相机的采集参数；

根据采集参数的短焦参数采集图像信息。

具体地，解决路况问题，将固定式PTZ相机控制系统设定于高速公路路段监控中心，控制路侧固定式PTZ相机参数采集路面短焦裂缝图像，采用PT(Pan/Tilt)操作全局观测高速公路路面，采用Z(Zoom)操作获取路面裂缝图像特征最清晰时的短焦裂缝图像。图2为本发明实施例提供的一种固定式PTZ相机采集图像信息的示意图，如图2所示，依次采用路侧固定式PTZ相机，对全路段路面扫描，基于上述操作，获取全路段路面短焦裂缝图像。

可以理解的是，对于采集图像信息若使用长焦镜头，便于捕捉远距离的景物，而本发明仅是采集裂缝图像，需要短焦镜头拍摄近距离图像。对于采集参数的标定方式不是本发明主要解决的问题，故不做具体限定。

本实施例提供的设定固定式PTZ相机的采集参数，根据采集参数的短焦参数采集图像信息。便于采集到的图像信息清晰，其投入成本低，可快速应用于国内高速公路ITS系统，实现快速高效的路面裂缝识别。短焦参数下裂缝图像识别精度高，能够满足高速公路养护应用需求。

在上述实施例的基础上，步骤S12中的根据预设分类信息将图像信息进行分类标注得到标注图像信息，包括：

根据预设分类信息的第一分类信息将图像信息进行分类标注得到第一标注图像信息；

根据预设分类信息的第二分类信息将图像信息进行分类标注得到第二标注图像信息，其中第二分类信息为修补且未产生新的裂缝信息；

将第一标注图像信息与第二标注图像信息进行合并得到标注图像信息。

具体地，在本实施例中，预设分类信息包括第一分类信息和第二分类信息，根据第一分类信息将图像信息分类标注得到第一标注图像信息，根据第二分类信息将图像信息分类标注得到第二标注图像信息，其中第二分类信息为修补且未产生新的裂缝信息。

例如采集500张图像信息，将500张图像根据第一分类信息分类标注得到500张第一标注图像信息，同样将500张图像根据第二分类信息分类，其中修补且未产生新的裂缝信息有300张，修补且产生新的裂缝信息有100张，未修补的裂缝信息有100张，此时修补且未产生新的裂缝信息的300张图片为第二标注图像信息的数量。未修补的裂缝信息和其修补且未产生裂缝信息的图像，前者裂缝较细，后者的修补裂缝较粗。

可以理解的是，第一分类信息可以为裂缝与水平方向的夹角信息，也可以为裂缝与垂直方向的夹角信息等，还可以进行组合形式，本发明不做具体限定。

将得到的第一标注图像和第二标注图像进行合并得到标注图像信息，结合上述的例子，500张第一标注图像信息以及300张第二标注图像信息进行合并得到800张标注图像信息。对于标注图像信息也可以根据不同维度进行分类，若预设分类信息设定的分类信息种类越多，其得到的标注图像信息的样本数据也越多。

本发明实施例提供的根据预设分类信息将图像信息进行分类标注得到标注图像信息，将图像信息进行不同维度的分类得到不同的分类特征，根据不同分类特征进行后续的识别，其增加分类特征以便后续识别提高识别度。

作为一种优选的实施例，在上述实施例中根据预设分类信息的第一分类信息将图像信息进行分类标注得到第一标注图像信息，包括：

根据图像信息与图像水平方向的夹角进行分类标注；

当夹角小于或等于第一预设夹角时，则确定第一标注图像信息为水平裂缝信息；

当夹角大于第一预设夹角且小于第二预设夹角时，则确定第一标注图像信息为倾斜裂缝信息，其中第二预设夹角大于第一预设夹角；

当夹角大于或等于第二预设夹角时，则确定第一标注图像信息为垂直裂缝信息。

具体地，根据图像信息与图像水平方向的夹角进行分类标注，其根据裂缝起点/终点至裂缝终点/起点的连线与图像水平方向坐标轴形成的夹角θ，当夹角小于或等于第一预设夹角，其确定对应的图像信息为水平裂缝信息，当夹角大于第一预设夹角且小于第二预设夹角时，则确定第一标注图像信息为倾斜裂缝信息，其中第二预设夹角大于第一预设夹角，当夹角大于或等于第二预设夹角时，则确定第一标注图像信息为垂直裂缝信息。

当第一预设夹角为30°，第二预设夹角为60°，其进行的分类情况如下：

本发明实施例提供的根据图像信息与图像水平方向的夹角进行分类标注确定的第一标注图像信息，将路面裂缝的图像信息进行三类裂缝特征，与之合并第二标注图像信息得到标注图像信息，将路面裂缝的图像信息进行四类裂缝特征的分类便于后续的图像识别，提高识别率。

在上述实施例的基础上，步骤S13中的根据描述子对标注图像信息提取并进行特征映射得到映射图像信息，包括：

根据描述子对标注图像信息进行提取得到裂缝边缘二值图像信息；

将裂缝边缘二值图像信息进行特征映射得到映射图像信息。

可以理解的是，本发明考虑非线性因素下的图像信息，其具备亮度变化的不变性，为了实现亮度变化的不变形，选择采样点四个邻近点的亮度大小关系。将邻近点进行二值转换以提取得到裂缝边缘二值图像信息。

将裂缝边缘二值图像信息基于小特征分析进行特征映射，其映射步骤如下：统计标注区域内的裂缝边缘二值图像信息中有1的值像素数量，得到总的1值像素值为J，对于1值像素信息p

根据以下公式将关联矩阵特征值生成裂缝视觉显著特征下的映射图像信息：

将所有1值像素信息的计算生成映射图像，将采用阈值t对映射图像进行阈值化，其根据以下公式得到最终的映射图像信息：

本发明实施例提供的根据描述子对标注图像信息进行提取得到裂缝边缘二值图像信息，将裂缝边缘二值图像信息进行特征映射得到映射图像信息。避免现有的根据像素与像素卷积映射的线性依赖导致的非线性因素适应性较差的问题。考虑非线性因素，在特征层面的基础上进行卷积，也就是本实施例提供的在特征层面上得到映射图像信息。

作为一种优选地实施例，根据描述子对标注图像信息进行提取得到裂缝边缘二值图像信息，包括：

根据RATMIC描述子对标注图像信息进行提取得到裂缝边缘二值图像信息。

具体地，图3为本发明实施例提供的一种RATMIC描述子的示意图，如图3所示，点P为兴趣点，点C为兴趣区域内的采样点，采用n×n，n＝3，5，7，…大小的滑动窗口从图像标注区域开始逐行、逐列扫描裂缝图像，对于每次扫描的当前图像窗口中心像素P半径为

其中，I(x

本实施例提供的根据RATMIC描述子对标注图像信息进行提取得到裂缝边缘二值图像信息，为后续特征映射得到映射图像信息提供必要条件，依次将特征映射层添加至YOLOv5网络模型Backbone网络前端，生成改进的YOLOv5网络模型。

在上述实施的基础上，将映射图像信息输入至YOLOv5网络模型进行识别之后，还包括：

生成图像信息的识别结果并输出提示信息。

图4为本发明实施例提供的一种YOLOv5网络模型的示意图，其中映射图像信息的生成将数据集进行映射封装为图4中的Backbone网络的第一个模块，需要说明的是，本发明针对YOLOv5不同网络模型结构改进，其模型参数可根据具体图像训练情况进行设定更改。

将映射图像信息输入至YOLOv5网络模型进行识别，生成图像信息的识别结果，以输出提示信息提示当前的识别结果显示，或者对于每次的识别结果进行播报提示当前的识别结果完成。

对于提示信息的形式可以为语音播报，也可以为代码显示框显示等，不做具体限定。

本发明实施例提供的将映射图像信息输入至YOLOv5网络模型进行识别，生成图像信息的识别结果，以输出提示信息提示当前的识别结果显示，提醒相关人员的当前训练任务完成，以便相关人员进行修改生成网络参数或者对于图像信息进行特征分类等。

上述详细描述了裂缝图像的识别方法对应的各个实施例，在此基础上，本发明还公开与上述方法对应的裂缝图像的识别装置，图5为本发明实施例提供的一种裂缝图像的识别装置的结构图。如图5所示，裂缝图像的识别装置包括：

获取模块11，用于获取路面裂缝的图像信息；

分类标注模块12，用于根据预设分类信息将图像信息进行分类标注得到标注图像信息；

映射模块13，用于根据描述子对标注图像信息提取并进行特征映射得到映射图像信息；

识别模块14，用于将映射图像信息输入至YOLOv5网络模型进行识别以完成对裂缝图像的识别。

由于装置部分的实施例与上述的实施例相互对应，因此装置部分的实施例请参照上述方法部分的实施例描述，在此不再赘述。

本发明提供的一种裂缝图像的识别装置，包括获取路面裂缝的图像信息；根据预设分类信息将图像信息进行分类标注得到标注图像信息；根据描述子对标注图像信息提取并进行特征映射得到映射图像信息；将映射图像信息输入至YOLOv5网络模型进行识别以完成对裂缝图像的识别。该装置将标注图像信息映射描述子，在将图像信息输入至YOLOv5网络模型进行像素与像素的卷积运算之前，根据描述子对标注图像信息提取并进行特征映射得到映射图像信息以实现在特征层面做卷积运算，避免现有的根据像素与像素卷积映射的线性依赖导致的非线性因素适应性较差的问题。考虑非线性因素，在特征映射层面的基础上进行卷积。以此引入特征映射改进YOLOv5网络模型，增强适应性，提高非线性变化因素时裂缝图像的识别率。

图6为本发明实施例提供的另一种裂缝图像的识别装置的结构图，如图6所示，该装置包括：

存储器21，用于存储计算机程序；

处理器22，用于执行计算机程序时实现裂缝图像的识别方法的步骤。

本实施例提供的裂缝图像的识别装置可以包括但不限于智能手机、平板电脑、笔记本电脑或者台式电脑等。

其中，处理器22可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器22可以采用数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器22也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器(CentralProcessing Unit，CPU)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器22可以集成有图像处理器(Graphics Processing Unit，GPU)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器22还可以包括人工智能(Artificial Intelligence，AI)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器21可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器21还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器21至少用于存储以下计算机程序211，其中，该计算机程序被处理器22加载并执行之后，能够实现前述任一实施例公开的裂缝图像的识别方法的相关步骤。另外，存储器21所存储的资源还可以包括操作系统212和数据213等，存储方式可以是短暂存储或者永久存储。其中，操作系统212可以包括Windows、Unix、Linux等。数据213可以包括但不限于裂缝图像的识别方法所涉及到的数据等等。

在一些实施例中，裂缝图像的识别装置还可包括有显示屏23、输入输出接口24、通信接口25、电源26以及通信总线27。

领域技术人员可以理解，图6中示出的结构并不构成对裂缝图像的识别装置的限定，可以包括比图示更多或更少的组件。

处理器22通过调用存储于存储器21中的指令以实现上述任一实施例所提供的裂缝图像的识别方法。

本发明提供的一种裂缝图像的识别装置，包括获取路面裂缝的图像信息；根据预设分类信息将图像信息进行分类标注得到标注图像信息；根据描述子对标注图像信息提取并进行特征映射得到映射图像信息；将映射图像信息输入至YOLOv5网络模型进行识别以完成对裂缝图像的识别。该装置将标注图像信息映射描述子，在将图像信息输入至YOLOv5网络模型进行像素与像素的卷积运算之前，根据描述子对标注图像信息提取并进行特征映射得到映射图像信息以实现在特征层面做卷积运算，避免现有的根据像素与像素卷积映射的线性依赖导致的非线性因素适应性较差的问题。考虑非线性因素，在特征映射层面的基础上进行卷积。以此引入特征映射改进YOLOv5网络模型，增强适应性，提高非线性变化因素时裂缝图像的识别率。

进一步的，本发明还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器22执行时实现如上述裂缝图像的识别方法的步骤。

可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

对于本发明提供的一种计算机可读存储介质的介绍请参照上述方法实施例，本发明在此不再赘述，其具有上述裂缝图像的识别方法相同的有益效果。

以上对本发明所提供的一种裂缝图像的识别方法、裂缝图像的识别装置及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。