基于ROS及YOLOv3的混凝土桥梁裂缝实时检测系统

为了提升既有混凝土结构的养护效率，提高结构的检测效率和精度，基于ROS架构和边缘计算设备，设计了便携式混凝土桥梁裂缝实时检测系统，通过YOLOv3算法实现了混凝土桥梁裂缝自动检测识别，并研究了不同数量训练集对模型性能的影响.结果表明，研发的混凝土裂缝实时检测系统能够整合硬件性能，完成对混凝土表观裂缝图像的实时获取，并在边缘计算设备上进行实时分析处理，实现了检测结果的实时显示.模型在训练集数量最多时平均精度最高，达到0.823.实验室环境下以预应力混凝土结构为例的测试结果表明，该系统能够较好地实现混凝土结构表观裂缝的检测.     

基于图像结构信息的隧道衬砌裂缝实时快速识别

裂缝是隧道衬砌最常见的病害之一,裂缝检测是后期隧道养护的前提。在图像采集过程中对隧道衬砌裂缝进行实时快速识别,对提高隧道病害检测效率具有重要的意义。针对传统的裂缝图像识别方法存在运行速度慢、效率低等缺点,提出基于图像结构信息的隧道衬砌裂缝实时快速识别方法。首先将图像结构信息用图像像素的灰度均值、标准差和结构元素掩码表示,随后采用不同方向的结构元素掩码对采集的当前图像进行卷积运算,并计算当前图像与样本图像之间的亮度信息和对比度信息,最后计算图像结构信息因子,可实时快速识别出衬砌裂缝,并通过接受者操作特征曲线估计最优参数和最佳阈值。现场实验结果表明,算法的识别时间远小于图像的采集和存储时间,识别速度快且准确性高,可显著提高隧道衬砌病害的检测效率,具有一定的工程应用价值。     

局部特征聚类联合区域增长的桥梁裂缝检测

针对传统裂缝检测算法抗干扰能力弱,浅层裂缝易误判等问题,提出一种局部特征聚类联合区域增长的桥梁裂缝检测算法。首先,针对混凝土表皮脱落及渗水等干扰问题,采用Gauss-Frangi双重滤波对图像模糊化处理,退化噪声的特征信息,并增强图像中的线性结构。其次,针对常规算法无法识别弱特征的浅层裂缝问题,根据局部区域裂缝点间的空间相关性,提出基于网格聚类联合区域增长算法实现局部区域裂缝的动态分割。最后,针对分割图像中伪裂缝等顽固噪声,提出一种基于形状特征及结构相似性原理方法剔除噪声。实验表明,所提算法可检测出更多的裂缝细节信息,且保持较高的精确率,提高了裂缝图像分割质量。     

一种管道蛇形机器人的裂缝视频检测系统

为实现蛇形机器人在管道内部快速准确的识别管道内壁裂缝,基于一种改进YOLOv3算法为管道蛇形机器人设计了快速检测管道裂缝的系统。系统搭载了500万像素相机以及用于辅助标定的两个激光发生器。此系统通过摄像机采集管道内部视频信息,使用改进YOLOv3算法对视频进行检测,若识别出裂缝则输出当前图像。之后结合激光标定和边缘检测算法得到当前裂缝的物理信息。改进YOLOv3算法使用k-means++算法对裂缝数据集进行聚类,得到最佳先验框,并使用距离交并比代替交并比作为损失函数,以提高精度和速度。实验表明,改进YOLOv3算法平均精度为87.23%,与原始YOLOv3算法相比提高了5.88%;同时基于激光标定算法的图像处理得到的裂缝物理信息与实际信息误差在5%以内,可以用于实际工程。     

基于稀疏自编码的路面裂缝检测

针对传统路面裂缝检测系统在复杂纹理背景噪声下检测效率低,易造成漏检、错检等现象提出了一种基于稀疏自编码的裂缝自动检测方法. 该方法首先采用一种基于各向异性的检测算法进行裂缝子块的初步筛选,经过稀疏自编码提取出特征后由softmax分类器进行训练和分类,最后由张量投票算法进行空间加强和去噪从而得到裂缝信息. 实验结果表明,文中提出的算法在无人工干预的情况下能够有效检测出图像裂缝区域,相比传统检测算法具有更高的检测精度和抗干扰能力.      

图像微观特征识别方法

提出了一种微观图像的特征识别方法。该方法基于图像微观特征的随机性和唯一性,分为微观图像的特征提取和图像识别两部分,主要包括对宏观图像的放大、微观图像的数据采集、数字图像二值化、图像特征信息的提取、数据的归一化处理、特征模板的保存和比较识别。文中介绍了各部分的步骤、特征提取的算法以及图像识别的最大误差限准则。提出的算法能有效地提取所处理图像的微观特征并加以识别。图像识别实验表明,该方法的识别率达到100%,可用于文件的真伪性辨别及防伪。     

基于数字图像处理的路面裂缝识别关键技术研究

为提升基于数字图像处理技术的高速公路路面裂缝自动检测识别技术的识别速度及识别率,对采集到的路面裂缝图像,通过均衡化处理增强路面裂缝图像,提出一种自适应的快速去噪方法可提升识别速度;对经过图像预处理的裂缝图像,采用大津阈值分割法提取出图像中的裂缝,并在此基础上施加适当的形态学方法加以修正.实验表明,该方法可以快速有效地识别图像中裂缝的类型、长度、宽度、面积等信息.     

基于神经网络和图像分割的林火图像识别研究

为了提高森林灭火航弹投放的准确性,提高航弹的利用率,对森林火灾图像识别方法进行了优化设计,将阈值分割和神经网络算法相结合,实现了火灾图像的智能识别,提高了图像识别的精确性。本研究利用高清摄像机获取森林火灾图像,采用阈值分割技术对图像进行提取,通过MATLAB计算得到有无火灾的信息,控制系统获取火灾信息后对灭火航弹的投放进行决策,提高了灭火过程的自动化水平。对图像识别算法进行了测试,通过测试发现,该算法可以有效地提高火灾的识别效率和识别精度,为森林灭火的自动化提供了参考。     

一种改进的边界扫描的路面裂缝检测算法

针对路面图像噪声较多、目标裂缝跟踪难等问题,分析对比了几种传统的经典边界扫描方法,如Sobel、Canny等算法,并根据路面裂缝图像的特点,提出了基于绝对梯度值的Sobel改进方法,使得边缘信息得到加强、减少了噪声以及伪边缘。经过后续图像的处理,能够较好地跟踪识别路面图像的裂缝信息。     

基于YOLOv5和U-Net3+的桥梁裂缝智能识别与测量

为了克服传统数字图像处理方法进行桥梁裂缝识别时面临的效率低、效果不佳等问题,提出了集成深度学习YOLOv5和U-Net3+算法的一体化桥梁裂缝智能检测方法.通过调整算法宽度和深度参数,优化边界框损失函数,构建基于YOLOv5目标检测算法的裂缝识别定位模型,实现桥梁裂缝快速识别与定位;引入结合深度监督策略及预测输出模块的U-Net3+图像分割算法,训练并构建桥梁裂缝高效分割模型,实现像素级裂缝智能化提取;建立结合连通域去噪、边缘检测、形态学处理的八方向裂缝宽度测量法,基于U-Net3+裂缝分割结果实现裂缝形态及宽度高精度测量;利用LabelImg图像标注软件制作包含4 414张图像的裂缝识别定位模型训练数据集;利用LabelImg图像标注软件及CFD数据集制作包含908张图像的裂缝分割模型训练数据集;利用无人机航拍的485张5 280×2 970 pixels桥梁索塔裂缝图像,来制作裂缝智能检测模型的测试对象.将所提出的裂缝检测方法应用于上述裂缝测试对象,其裂缝识别定位准确率91.55%、召回率95.15%、F1分数93.32%,裂缝分割准确率93.02%、召回率92.22%、F1分数92.22%.结果表明,基于YOLOv5与U-Net3+的桥梁裂缝智能检测方法,可实现桥梁裂缝高效率、高精度、智能化检测,具有较强的研究价值和广泛的应用前景.     

基于ATS与TS融合算法的裂缝自动识别研究

煤层开采产生的围岩采动裂缝发育规律,是矿山瓦斯、水害、冲击地压、地表沉陷等灾害防治的重要研究内容,对围岩采动裂缝的自动识别能够极大地促进其规律的定量研究。鉴于这些采动裂缝发育形态复杂、规模差别大、与本底值差异性不显著,导致裂缝存在识别困难、精度差等问题。该文基于图像分割、形态学等综合理论,提出了一种能有效识别裂缝目标与背景灰度差异的ATS与TS自适应识别方法。通过对相似模型试验图像使用ATS（自适应分割算法）初始提取压实区显著性较差的微小裂缝,TS（固定阈值分割和形态学膨胀法）提取离层裂隙区和垮落裂隙区显著性较强的块状裂缝,对二者得到的裂缝利用或逻辑进行组合,并借助图像轮廓统计轮廓面积进行填充抑制噪声,完成对裂缝的最终二值化。通过对比单一的ATS和TS算法,ATS和TS融合算法识别率超过90%,均高于单一的分割算法。研究结果表明该文算法在一定程度提高了裂缝识别的准确率和裂缝提取的完整性,较单一算法具有更优的普适性与准确性。该实验结果为后续裂缝处理奠定了良好的基础。     

基于深度卷积神经网络的模糊字迹图像识别方法

在传统的模糊字迹图像识别过程中,忽略了字迹变化尺度对图像的影响,导致识别准确度低识别能力差的问题,提出基于深度卷积神经网络的模糊字迹图像识别方法.通过图像的退化模型,对模糊字迹图像稀疏性特征进行分解,构建模糊字迹图像的多源特征参数检测模型,结合边缘轮廓特征提取方法实现对模糊字迹图像的边界信息采样分析;采用多维参数模拟和模糊度增强处理,结合匹配滤波检测器对图像的多级尺度分解和细节特征进行提取,对提取的模糊字迹图像细节特征进行融合和优化检测,采用深度卷积神经网络训练方法进行模糊字迹图像修复处理,实现模糊字迹图像的识别.仿真结果表明,采用该方法进行模糊字迹图像识别的准确性较高,检测能力较强,提高了模糊字迹图像修复和辨识能力.     

基于深度学习的白光-热成像双通道图像识别系统设计

为解决无人机图像自动识别系统对大视场角下小目标的识别准确率及实时性问题,利用深度学习卷积神经网络对热成像-白光联合图像进行目标识别。设计了一种针对具有温度特征的目标物识别系统以及双通道目标候选提名图像识别算法。充分利用热成像图中目标热源特征的HSV值,将目标物从热成像图中进行筛选、分割。通过Canny算子勾勒目标物轮廓,并标记出目标物大致区域,导入白光图像提取含有目标物的有效图像信息。利用YOLO V2算法对候选图像内目标物进行识别。通过实验表明,提出的双通道目标候选提名图像识别算法具有可行性与实用性,能够在大视场环境下对小目标进行精准快速识别,满足无人机机载系统简易、实时和准确性要求。     

多尺度空间下的隧道裂缝与渗水区域检测

基于点云影像提出了多尺度空间下的裂缝渗水区域识别检测算法.根据不同尺度隧道裂缝的物理特点,通过定义尺度空间,提出了一种融合型图像检测算子,保持对带状裂缝检测的稳定性,同时对于灰度值较高的小裂缝,可以恢复对其的敏感特性,得到较多的响应边缘像素,实现不同尺度裂缝渗水区域的识别和检测.并通过实例证实了该算法可以有效排除伪裂缝信息的干扰,对不同尺度的裂缝进行准确识别定位和提取.     

基于PCA算法的物体图像信息搜索系统

根据图像查询物体信息是图像分析的一个研究方向,也是目前搜索系统研究的难点之一。在对PCA算法图像识别技术研究的基础上,提出了一种新型的图像信息搜索系统。该系统应用PCA识别算法,采用"图查图"功能,以实现静态物体图像及基本信息获取的便捷化。     

一种新的计算机视觉算法

受蚂蚁金服计算机视觉项目组委托,为了提高计算机视觉的识别效率和准确率,利用机器学习的思想开发自动进化图像学习机,将MATHEMATICA Cloud作为改学习机的计算云、搜索云,将学习函数和决策函数嵌入到学习机中,从而实现由学习机录入图像并导入MATHEMATICA Cloud进行计算和搜索的功能,利用搜索结果来锻炼学习机的学习函数,利用计算结果来锻炼学习机的决策函数,从而实现高效率的识别速度与高准确率的识别效果.基于蚂蚁金服提供的验算实例进行仿真实验,并从计算速度、收敛情况、识别精度等方面同现在常用的识别算法进行对比,结果显示:新算法的图像识别能力颇佳,与传统算法相比,新算法具有更快的计算速度、绝对收敛性和远高于传统算法的识别精度.     

构件内部裂缝缺陷的有限元三维重建

提出了利用有限元的网格生成方法来实现构件内部裂缝缺陷的三维重建算法。首先,将边缘检测算法和基于种子填充的区域生长算法相结合,准确定位出裂缝的形状,提高重建的精度;其次,应用8节点的六面体单元格创建出裂缝模型,直接利用等方性体素建模,节约了计算成本;最后,对模型中的节点分类,针对不同种类的节点分别进行光顺处理。试验结果表明,该算法实现了对构件内部裂缝缺陷的三维空间形态的观察,弥补了以往算法只进行面重建的不足,提供了构件质量判定依据。     

裂缝图像识别与特征参数算法的研究

裂缝图像的计算机自动识别和参数统计在工程质量调查方面具有较好的应用前途,与目前人工判读相比,不但提高了工作效率,页提高了解释精度。要实现对裂缝图像解释,首先改进了中值滤波技术,通过改进算法,裂缝边缘得到较好的保护;其次利用最大类间方差阈值法进行图像分割,并根据裂缝的线性特征,进一步去除非裂缝图像;最后提出一种合理地有效地计算裂缝平均宽度、长度及每一段的裂缝宽度算法。该算法应用于裂缝识别和检测过程中,获得良好的应用效果,证明了算法的有效性。     

基于DSP＋FPGA的实时图像识别系统硬件与算法设计

图像识别算法的运算量大,控制复杂,对系统的性能要求很高,DSP的结构特殊和性能优良,能很好地满足系统的需要,笔者选用ADS-BF535作为图像识别模块的核心,负责图像识别算法的实现,选用高速灵活的XC2S200 FPGA作为图像采集模块的核心,负责图像的采集,完成预处理工作,从而保证了系统的实时性,系统使用模板匹配和BP网络识别这2种算法对数字0-9进行识别。研究表明：在DSP＋FPGA的构架上实现的图像识别系统,结构灵活、通用性强,提高了算法的效率,充分发挥DSP和FPGA结合的优势,准确快速地实现了图像识别。     

基于Gabor特征和局部二值模式融合的纹理图像识别

传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显著超越了传统Gabor滤波方法和LBP算法的纹理识别精度.