一种基于卷积神经网络的多尺度轻量化道路路面检测方法

    公开(公告)号:CN111311538A

    公开(公告)日:2020-06-19

    申请号:CN201911384987.0

    申请日:2019-12-28

    摘要: 本发明公开了一种基于卷积神经网络的多尺度轻量化道路路面检测方法,基于VGG和Xception的设计思路,设计了一种全新的CNN结构,MobileCrack,应用于路面裂缝的自动识别。主要结构为堆叠的Core Module和全局平均池化层。具体实施步骤为:使用人工方法对原始破损路面进行采集;批量裁剪、人工标定、数据增强、数据集制作、基于卷积神经网络模型建立即CNN构架——MobileCrack;训练与测试,将处理好的路面数据训练集输入到搭建的神经网络中进行训练,并且做准确度、灵敏度分析。本方法能够根据图像尺度变化调节网络结构,提升其对于多尺度图像的适应性和分类精度。且为MobileCrack的结构提供了相当的灵活度,能够自由地在准确度、运行时间和储存大小三者间进行权衡。

    一种基于深度学习和图像处理法的路面病害智能提取方法

    公开(公告)号:CN111310558A

    公开(公告)日:2020-06-19

    申请号:CN201911384980.9

    申请日:2019-12-28

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开了一种基于深度学习和图像处理法的路面病害智能提取方法,该方法包括深度学习(DL)部分和图像处理技术(IPT)部分。图像处理技术方法包括路面裂缝图像预处理;基于匀光算法的图像增强;图像分割;图像后处理;裂缝类型判断和评估。本发明计算出裂缝长度为像素长度。因此,若要获得图像中裂缝的真实长度,应该知道一幅图像中裂缝的真实长度和计算出来的像素长度,根据二者比值就可以计算出其他图像中的裂缝长度,由此可以将计算出来的长度与实际长度进行对比,从而了解计算精度。本发明能够根据真实的现场照片提取路面裂缝骨架,可以用于智能路面结构健康监测。

    一种旋转式全扫描热水器内胆表面缺陷检测装置及方法

    公开(公告)号:CN110261407A

    公开(公告)日:2019-09-20

    申请号:CN201910436674.9

    申请日:2019-05-23

    IPC分类号: G01N21/95 G01N21/01

    摘要: 一种用于热水器内胆表面缺陷检测的装置及方法,属于表面缺陷检测技术领域,解决了目前搪瓷釉面缺陷检测中检测速度慢、可操控性差、反光部位信息丢失严重、缺陷误检率和漏检率较高等问题,并且很好的利用反光现象提出了判断反光位置是否为缺陷的方法。在图像处理之前选用分块阈值处理算法进行预处理,以保证后续的图像处理得到理想效果。该检测装置包括计算机、线阵相机、平面光源、编码器、水平移动滑台、固定支板、步进电机、肋板、旋转轴、连接端盘、旋转杆、光源固定支架。采用本发明的检测装置,能够高效采集内胆表面缺陷信息,并且可以针对不同形状与尺寸的热水器内胆,更换相机与镜头,调整光源照射角度,极大的提高检测效率和精度。

    一种基于卷积神经网络的多尺度轻量化道路路面检测方法

    公开(公告)号:CN111311538B

    公开(公告)日:2023-06-06

    申请号:CN201911384987.0

    申请日:2019-12-28

    摘要: 本发明公开了一种基于卷积神经网络的多尺度轻量化道路路面检测方法,基于VGG和Xception的设计思路,设计了一种全新的CNN结构,MobileCrack,应用于路面裂缝的自动识别。主要结构为堆叠的Core Module和全局平均池化层。具体实施步骤为:使用人工方法对原始破损路面进行采集;批量裁剪、人工标定、数据增强、数据集制作、基于卷积神经网络模型建立即CNN构架——MobileCrack;训练与测试,将处理好的路面数据训练集输入到搭建的神经网络中进行训练,并且做准确度、灵敏度分析。本方法能够根据图像尺度变化调节网络结构,提升其对于多尺度图像的适应性和分类精度。且为MobileCrack的结构提供了相当的灵活度,能够自由地在准确度、运行时间和储存大小三者间进行权衡。

    一种基于深度学习的路面裂缝快速识别方法

    公开(公告)号:CN111126505A

    公开(公告)日:2020-05-08

    申请号:CN201911385351.8

    申请日:2019-12-28

    摘要: 本发明公开了一种基于深度学习的路面裂缝快速识别方法,首先调整现场照片的大小,其次,调整现场图片的曝光。原始的现场照片光照不均匀,必须对不均匀的曝光进行处理才能实现现场图像的遮挡效果。利用基于灰度分布的像素强度值的直方图来拟合灰度像素值的分布。用基于上一步的均值的阈值方法来实现二进制颜色可视化。如果像素值大于阈值,则将其设置为背景。采用基于连接构件的方法使裂缝形状增强。应用连接工具去噪。搜索图中所有连接的对象,并检查裂缝形状的面积。如果裂缝形状的面积小于阈值,则认为是噪声。如果裂缝形状的面积大于阈值,则视为裂缝。最后,调整CNN输入,并应用扩张和侵蚀重新连接裂缝。调整CNN超参数,确定最优CNN框架。

    一种路面裂缝数字图像处理和识别的方法

    公开(公告)号:CN111145161B

    公开(公告)日:2023-09-19

    申请号:CN201911385006.4

    申请日:2019-12-28

    摘要: 本发明公开了一种路面裂缝数字图像处理和识别的方法,具体实施步骤为:路面裂缝图像预处理;基于匀光算法的图像增强;图像分割;图像后处理;裂缝类型判断和评估。本发明计算出裂缝长度为像素长度。若要获得图像中裂缝的真实长度,应知道一幅图像中裂缝的真实长度和计算出来的像素长度,根据二者比值就计算出其他图像中的裂缝长度,由此将计算出来的长度与实际长度进行对比,从而了解计算精度;根据判断裂缝类型的条件,对处理后的图像进行标记。将输出的标记与原始图像的标记进行对比,从而计算出识别精度。最终,采用本发明方法检测后的精度为87%。