本申请涉及智能识别领域，且更为具体地，涉及一种塔桅结构破损位置图像识别方法。
背景技术：
1、塔桅作为一种高耸的建筑结构，广泛应用于电力、通信、广播、交通监控等领域，承担着重要的支撑和传输功能。随着通信技术的快速发展，塔桅作为通信基站的重要支撑设施，其安全性和稳定性对通信网络的正常运行具有重要影响。然而，由于塔桅长期暴露在自然环境中，受到风荷载、温度变化、腐蚀等多种因素的影响，塔桅结构容易发生破损或损伤，若不能及时发现并修复，可能会引发严重的安全事故，甚至导致整个结构的失效。
2、传统的塔桅结构破损检测方法主要依赖于人工巡检，这种方法不仅费时费力，而且效率低下，识别准确率也受到检测人员经验和主观判断的影响。此外，塔桅往往位于偏远地区或高空位置，进一步增加了人工检测的难度和风险。
3、目前，随着计算机视觉技术的快速发展，基于图像识别的塔桅结构破损检测方法逐渐成为研究的热点。然而，现有的一些塔桅结构破损检测方法通常采用传统的图像处理算法，如边缘检测、阈值分割等，这些方法容易受到光照变化、阴影、噪声等因素的影响，导致误检或漏检现象的发生。例如，边缘检测算法可能会将非破损区域的阴影或纹理误判为破损边缘，或者忽略掉一些与背景对比度较低的破损区域。并且，传统图像处理算法通常需要人工设定阈值参数，缺乏自适应性，限制了检测效率和自动化水平的提高。
4、因此，期待一种优化的塔桅结构破损位置图像识别方法。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种塔桅结构破损位置图像识别方法，其通过采用基于深度学习的计算机视觉技术对塔桅结构图像进行分析处理，捕捉到塔桅结构图像的全局语义特征，并通过从塔桅结构图像中截取局部位置区域，从而基于局部位置区域的塔桅结构特征与塔桅结构图像全局语义特征之间的关联匹配来实现破损位置的识别。这样，可以提高破损位置识别的准确性和效率，同时减少人工巡检的依赖，降低检测成本和风险。
2、根据本申请的一个方面，提供了一种塔桅结构破损位置图像识别方法，其包括：
3、获取由摄像头采集的塔桅结构图像；
4、对所述塔桅结构图像进行塔桅结构表面状态特征提取和特征散化处理以得到塔桅结构表面状态局部特征向量的序列；
5、从所述塔桅结构图像截取第一备选待识别位置图像；
6、以所述第一备选待识别位置图像中的塔桅结构表面状态特征作为查询特征，与所述塔桅结构表面状态局部特征向量的序列进行单项交互匹配以得到单向匹配特征向量；
7、基于所述单向匹配特征向量，确定第一备选待识别位置是否为破损位置。
8、与现有技术相比，本申请提供的一种塔桅结构破损位置图像识别方法，其通过采用基于深度学习的计算机视觉技术对塔桅结构图像进行分析处理，捕捉到塔桅结构图像的全局语义特征，并通过从塔桅结构图像中截取局部位置区域，从而基于局部位置区域的塔桅结构特征与塔桅结构图像全局语义特征之间的关联匹配来实现破损位置的识别。这样，可以提高破损位置识别的准确性和效率，同时减少人工巡检的依赖，降低检测成本和风险。
1.一种塔桅结构破损位置图像识别方法，其特征在于，包括：
2.根据权利要求1所述的塔桅结构破损位置图像识别方法，其特征在于，对所述塔桅结构图像进行塔桅结构表面状态特征提取和特征散化处理以得到塔桅结构表面状态局部特征向量的序列，包括：
3.根据权利要求2所述的塔桅结构破损位置图像识别方法，其特征在于，对所述塔桅结构图像进行边界信息补偿式全局特征提取以得到全局塔桅结构表面状态特征图，包括：
4.根据权利要求3所述的塔桅结构破损位置图像识别方法，其特征在于，所述双分支边界信息补偿网络中的主干网络包括连续卷积层，基于relu激活函数的第一激活层和池化层，其中，所述连续卷积层的卷积核大小为3x3，步长为1，填充为1，所述池化层的池化核大小为2x2，步长为2。
5.根据权利要求4所述的塔桅结构破损位置图像识别方法，其特征在于，所述双分支边界信息补偿网络中的边界特征提取分支包括点卷积层，基于relu激活函数的第二激活层和上采样层，其中，所述点卷积层的卷积核大小为1x1，步长为1，填充为0。
6.根据权利要求5所述的塔桅结构破损位置图像识别方法，其特征在于，以所述第一备选待识别位置图像中的塔桅结构表面状态特征作为查询特征，与所述塔桅结构表面状态局部特征向量的序列进行单项交互匹配以得到单向匹配特征向量，包括：
7.根据权利要求6所述的塔桅结构破损位置图像识别方法，其特征在于，提取所述第一备选待识别位置图像的塔桅结构表面状态特征以得到第一备选待识别位置状态特征向量，包括：
8.根据权利要求7所述的塔桅结构破损位置图像识别方法，其特征在于，将所述查询特征向量和所述塔桅结构表面状态局部特征向量的序列输入单向交互匹配网络以得到所述单向匹配特征向量，包括：
9.根据权利要求8所述的塔桅结构破损位置图像识别方法，其特征在于，计算所述查询特征向量与所述塔桅结构表面状态局部特征向量的序列中的各个塔桅结构表面状态局部特征向量之间的语义度量系数以得到单向匹配语义度量系数的序列，包括：
10.根据权利要求9所述的塔桅结构破损位置图像识别方法，其特征在于，基于所述单向匹配特征向量，确定第一备选待识别位置是否为破损位置，包括：
