本发明涉及桥梁裂缝检测领域，尤其涉及一种桥梁裂缝自动检测方法。
背景技术：
1、桥梁作为公路交通系统中的重要组成部分，是社会运行的基础以及经济发展的支撑，随着桥梁使用年限的增长以及外部环境的影响，桥梁裂缝问题随之而来，为了保障桥梁结构的安全性，延长桥梁使用寿命，对桥梁裂缝进行定期检测和维护显得尤为重要。
2、中国专利公开号：cn111402227a，公开了一种桥梁裂缝检测方法，包括如下步骤：对所采集的一组桥梁图像进行裂缝分割；根据裂缝分割结果，采用预构建的桥梁裂缝分类模型对桥梁裂缝进行检测分类；桥梁裂缝的分割处理采用了一种改进的gac算法模型，以分割无人机高清摄像头拍摄到的桥梁底部图像中的可见裂缝；桥梁裂缝分类模型的构建采用深度学习方法，设计一种基于深度卷积神经网络模型，用于桥梁的识别；桥梁裂缝的三维重建与裂缝信息检测采用移动立方体算法，以确定裂缝的个数、平均宽度、几何性质及其与整体的空间关系，从而使得专业人士可以对裂缝进行定性或定量分析。
3、但是，现有技术中还存在以下问题，若采用物联网技术对大面积桥梁实时检测缝隙时所需采集的相关特征数据是海量的，在较高数据采集密度下，采用实时分析的方式，会伴随对数据的大量分析处理，算力消耗较高。
技术实现思路
1、为此，本发明提供一种桥梁裂缝自动检测方法，用以克服现有技术中，若采用物联网技术对大面积桥梁实时检测缝隙时所需采集的相关特征数据是海量的，在较高数据采集密度下，采用实时分析的方式，会伴随对数据的大量分析处理，算力消耗较高的问题。
2、为实现上述目的，本发明提供一种桥梁裂缝自动检测方法，其包括：
3、步骤s1，沿桥梁等间距确定若干检测区域，在各所述检测区域内设置用以采集声传导特征的检测模组以及用以采集所受载荷的载荷采集装置，其中，所述声传导特征包括振动频率以及振动幅度；
4、步骤s2，基于检测区域当前所受载荷由历史数据库中调用相同载荷下所对应的若干声传导特征，将当前声传导特征与所调用声传导特征进行对比，得到声传导特征离散差异度，以划分所述检测区域的裂缝异常倾向类别；
5、步骤s3，依据所述检测区域对应裂缝异常倾向类别调整检测模组的检测参数并分析所述检测区域的异常情况，包括，
6、调整所述检测区域内检测模组的频率响应范围，记录完成调整后预定周期内所述检测区域的精细声传导特征以及对应所受载荷，得到精细特征集合，以对所述精细声传导特征集合进行聚类并筛选特异聚类组；
7、提取所述特异聚类组中的精细声传导特征构建对应的精细声传导特征曲线，并与标准数据库中的样本曲线进行拟合，基于拟合度判定检测区域是否存在异常；
8、或，维持所述检测区域内检测模组的频率响应范围。
9、进一步地，所述步骤s2中，按照公式(1)计算声传导特征离散差异度，
10、
11、公式(1)中，s表示声传导特征离散差异度，δv表示当前振动频率与所调用振动频率均值的振动频率差值，v0表示振动频率标准差值，vei表示当前振动频率与所调用第i声传导特征对应振动频率的差值，δf表示当前振动幅度与所调用振动幅度均值的振动幅度差值，f0表示振动幅度标准差值，fei表示当前振动幅度与所调用第i声传导特征对应振动幅度的差值，n表示所调用声传导特征的数量。
12、进一步地，所述步骤s2中，划分所述检测区域的裂缝异常倾向类别，包括，
13、若声传导特征离散差异度大于或等于预设的声传导特征离散差异度阈值，则检测区域的裂缝异常倾向类别为高异常倾向类别；
14、若声传导特征离散差异度小于预设的声传导特征离散差异度阈值，则检测区域的裂缝异常倾向类别为低异常倾向类别。
15、进一步地，所述步骤s3中，调整检测模组的检测参数并分析所述检测区域的异常情况，包括，
16、若检测区域的裂缝异常倾向类别为高异常倾向类别，则调整所述检测区域内检测模组的频率响应范围，记录完成调整后预定周期内所述检测区域的精细声传导特征以及对应所受载荷，得到精细特征集合，以对所述精细声传导特征集合进行聚类并筛选特异聚类组；
17、提取所述特异聚类组中的精细声传导特征构建对应的精细声传导特征曲线，并与标准数据库中的样本曲线进行拟合，基于拟合度判定检测区域是否存在异常；
18、若检测区域的裂缝异常倾向类别为低异常倾向类别，则维持所述检测区域内检测模组的频率响应范围。
19、进一步地，所述步骤s3中，调整所述检测区域内检测模组的频率响应范围，包括，
20、增大所述检测区域内检测模组的频率响应范围，频率响应范围增大值与声传导特征离散差异度呈正相关。
21、进一步地，所述步骤s3中，对所述精细声传导特征集合进行聚类并筛选特异聚类组的过程包括，
22、确定各精细声传导特征对应的载荷；
23、依据载荷对各精细声传导特征聚类，得到不同载荷范围内的聚类组；
24、将上限值最大的载荷范围对应的聚类组筛选为特异聚类组；
25、其中，所得聚类组中任意两个精细声传导特征所对应载荷差值需小于预定载荷差值阈值。进一步地，所述步骤s3中，提取所述特异聚类组中的精细声传导特征构建对应的精细声传导特征曲线的过程包括，
26、提取所述特异聚类组的振动幅度；
27、以时间为横轴，以振动幅度为纵轴构建直角坐标系；
28、在各所述直角坐标系中标定各时刻的振动幅度的坐标点；
29、以平滑曲线连接坐标点，得到精细声传导特征曲线。
30、进一步地，所述步骤s3中，标准数据库中存储有不同载荷对应的若干样本曲线。
31、进一步地，所述步骤s3中，与标准数据库中的样本曲线进行拟合的过程包括，
32、将精细声传导特征曲线与标准数据库中相同载荷对应的若干样本曲线分别进行拟合，得到若干针对精细声传导特征曲线与样本曲线的拟合度。
33、进一步地，所述步骤s3中，基于拟合度判定检测区域是否存在异常，包括，
34、求解各所述拟合度的拟合度均值；
35、若所述拟合度均值拟合度小于或等于预设的拟合度阈值，则判定所述检测区域存在异常。
36、与现有技术相比，本发明通过沿桥梁等间距确定若干检测区域，在各检测区域内设置用以采集声传导特征的检测模组以及用以采集所受载荷的载荷采集装置，基于检测区域当前所受载荷由历史数据库中调用相同载荷下所对应的若干声传导特征，将当前声传导特征与所调用声传导特征进行对比，得到声传导特征离散差异度，以划分检测区域的裂缝异常倾向类别，适应性地调整检测模组的检测参数并分析检测区域的异常情况，进而，对大面积桥梁实时检测缝隙时，保证检测数据可靠性的前提下，提高检测的准确性，节约算力资源。
37、尤其，本发明通过声传导特征离散差异度表征检测区域的裂缝异常倾向，在桥梁投入使用过程中，车辆通行会对桥梁产生一定的振动频率以及振动幅度，同时，由于使用年限的增长以及外部环境的影响，导致桥梁出现一定的损耗，通过振动频率以及振动幅度的变化对裂缝异常情况进行初步判断，通过当前检测区域的声传导特征与历史数据库中相同载荷下所对应的若干声传导特征进行对比，其中，选用相同载荷所对应的声传导特征进行对比以保证异常判断的可靠性以及准确性，依据声传导特征离散差异度为后续划分检测区域的裂缝异常倾向类别提供数据支持，进而，在针对大面积桥梁时，识别异常倾向较高的检测区域，便于后续针对性的选择检查区域异常情况的分析方式，仅对于异常倾向较高的检测区域采用精细化分析，在面对检查大面积桥梁带来的海量数据的情况下，保证检测数据可靠性，保证检测的准确性，节约算力资源。
38、尤其，在检测区域的裂缝异常倾向类别为高异常倾向类别下，本发明通过调整针对高异常类别下的检测区域内检测模组的频率响应范围，以提高数据采集精度获取精细声传导特征，便于对后续筛选特异聚类组中的精细声传导特征进行精细化分析，在实际情况中，特异聚类组中的精细声传导特征对应较大的载荷，较大载荷下所引起的声传导特征较强，其数据表征性较强，且在较高精度下构建的精细声传导特征曲线与标准数据库中的样本曲线进行拟合时，准确度也较高，进而，为后续基于拟合度判定检测区域是否存在异常提供数据支持，进而，对大面积桥梁实时检测缝隙时，保证检测数据可靠性的前提下，提高检测的准确性，节约算力资源。
1.一种桥梁裂缝自动检测方法，其特征在于，包括：
2.根据权利要求1所述的桥梁裂缝自动检测方法，其特征在于，所述步骤s2中，按照公式(1)计算声传导特征离散差异度，
3.根据权利要求1所述的桥梁裂缝自动检测方法，其特征在于，所述步骤s2中，划分所述检测区域的裂缝异常倾向类别，包括，
4.根据权利要求1所述的桥梁裂缝自动检测方法，其特征在于，所述步骤s3中，调整检测模组的检测参数并分析所述检测区域的异常情况，包括，
5.根据权利要求1所述的桥梁裂缝自动检测方法，其特征在于，所述步骤s3中，调整所述检测区域内检测模组的频率响应范围，包括，
6.根据权利要求1所述的桥梁裂缝自动检测方法，其特征在于，所述步骤s3中，对所述精细声传导特征集合进行聚类并筛选特异聚类组的过程包括，
7.根据权利要求1所述的桥梁裂缝自动检测方法，其特征在于，所述步骤s3中，提取所述特异聚类组中的精细声传导特征构建对应的精细声传导特征曲线的过程包括，
8.根据权利要求1所述的桥梁裂缝自动检测方法，其特征在于，所述步骤s3中，标准数据库中存储有不同载荷对应的若干样本曲线。
9.根据权利要求1所述的桥梁裂缝自动检测方法，其特征在于，所述步骤s3中，与标准数据库中的样本曲线进行拟合的过程包括，
10.根据权利要求9所述的桥梁裂缝自动检测方法，其特征在于，所述步骤s3中，基于拟合度判定检测区域是否存在异常，包括，
