1.本发一种基于改进的U‑net的混凝土表面裂缝检测方法，其特征在于，包括：获取待检测图像；

利用预先训练好的基于改进的U‑net裂缝检测模型对待检测图像中的像素进行分类，得到分类结果；所述分类结果包括背景像素和裂缝像素；

所述改进的U‑net裂缝检测模型包括：下采样模块，用于提取所述待检测图像中的特征信息，并逐步将特征信息由低维映射至高维；

上采样模块，用于逐步将特征信息由高维映射至低维，并且在将特征信息由高维映射至低维过程中，将与特征信息由低维映射至高维的过程中同维度相同的图像进行融合；

所述上采样模块包括：

第一卷积单元，包括依次连接的多个第一卷积组；

所述第一卷积组包括：

第一卷积子单元，用于对输入图像进行卷积操作；

第一池化子单元，用于对所述第一卷积子单元输出的特征图进行池化操作；

采样子单元，用于对所述第一池化子单元输出的特征图进行上采样；

第一融合子单元，用于对所述第一卷积子单元输出的特征图与所述采样子单元输出的特征图进行融合；

第二卷积子单元，用于对第一融合层输出的特征图进行卷积操作；

所述上采样模块还包括第三卷积单元，与所述第一卷积单元连接，包括：Dropout层；

分别连接在Dropout层输入端和输出端的卷积层；

第二卷积单元包括：

第二融合子单元，用于对在下采样过程中和上采集过程中具有相同维度的图像进行融合；

第三卷积子单元，用于对第二融合层输出的特征图进行卷积操作；

首先输入经过归一化后的图像，图像经过第一个卷积子单元，特征图变为，经过第一个池化子单元之后特征图的规格变为 ；第一个池化子单元之后的特征图继续进行如原U‑net结构一样卷积、池化操作；特征图经过第二个卷积组规格变为 ，经过第二个池化子单元后规格变为 ；特征图经过第三个卷积子单元规格变为 ，经过第三个池化子单元后规格变为 ；特征图经过第四个卷积子单元规格变为 ，经过第四个池化子单元之后规格变为 ；特征图经过第五个卷积子单元规格变为，然后经过 的池化子单元将其尺寸变为 然后经过一个卷积层和一个Dropout层13与一个卷积层，将特征图规格变为 ，下采样阶段完成；

第一个采样子单元将特征图进行反卷积操作，特征图规格变为 ；第一个卷积子单元之后的特征图尺寸为 ，将其与第一个池化子单元，进行了反卷积操作之后的特征图进行融合，融合后的图为 ，不能与上采样阶段的特征图进行融合，所以需经过一个卷积子单元，将其规格变为 ；后面的每个采样子单元都进行如此的操作，第二个采样子单元输出的特征图的尺寸为 ；

第三个采样子单元输出的特征图的特征图尺寸为 ；第四个采样子单元输出的特征图的尺寸为 ，第五个采样子单元输出的特征图为 ；

在上采样阶段，则是通过反卷积操作恢复与其对应的网络层的特征图尺寸，下采样将特征图尺寸变为 ，第五个第二融合子单元将 的特征图与第五个第二卷积子单元输出的特征图进行融合后特征图变为 ，第四个第二融合子单元将第四个第二卷积子单元输出的特征图与第五个第三卷积子单元输出的特征图进行融合，得到 的特征图，第三个第二融合子单元将第三个第二卷积子单元输出的特征图与第四个第三卷积子单元输出的特征图进行融合，第二个第二融合子单元将第二个第二卷积子单元输出的特征图与第三个第三卷积子单元输出的特征图进行融合，第一个第二融合子单元将第一个第二卷积子单元输出的特征图与第二个第三卷积子单元输出的特征图进行融合，得到尺寸恢为 的特征图；经过最后一个卷积层与一个Sigmoid激活层，将图像中的每个像素都分为两类，背景像素与裂缝像素。

2.根据权利要求1所述的基于改进的U‑net的混凝土表面裂缝检测方法，其特征在于，所述下采样模块对待检测图像进行五次采样，所述上采样模块用于对相应的特征图进行五次采样。

3.根据权利要求1所述的基于改进的U‑net的混凝土表面裂缝检测方法，其特征在于，在卷积过程中，通过零填充，使卷积过程尺度不变，卷积过程步长为1。

4.根据权利要求3所述的基于改进的U‑net的混凝土表面裂缝检测方法，其特征在于，卷积后的特征图的大小通过下式计算：其中， 表示经过卷积后的特征图的大小， 表示原图的大小， 表示卷积核大小，P表示填充数。