一种基于机器视觉的异常监测数据识别方法

本发明涉及工程设施健康监测技术领域，公开了一种基于机器视觉的异常监测数据识别方法，包括以下步骤：信号模拟、信号时频特征可视化、图像增强、图像标注、训练检测模型、检测模型迁移学习、检测异常。本发明首先通过仿真技术生成并明确标注异常信号，为神经网络模型提供了精准的先验信息，提升了桥梁结构健康监测的准确性；其次，自动化的异常类型叠加与标签标注大幅节省了时间和人力成本，同时降低了主观偏差；再者，创新的2D伪彩色可视化策略提高了特征辨识度，增强了模型的识别精度；最后，迁移学习策略有效利用了仿真数据，加速了新任务的训练并改善了模型性能，尤其在小规模数据集上表现优异，降低了对大量标注数据的依赖。