基于YOLO与图像处理的塔吊裂缝研究

在塔式起重机发生事故越来越频繁的背景下,根据实际需求提出采用YOLOv3捕捉裂缝并提取裂缝区域,使用Otsu算法等图像处理技术对捕捉的裂缝进行转换处理获取贴近裂缝的二值像素图像,最终计算获取裂缝缺陷的具体参考参数,为工程技术人员提供危险评估参考和解决方案根据.实验表明YOLOv3识别精度为80.53％,图像处理获取的数据参数误差在5％-18％区间,基本满足需求.最后还提出存在的一些问题并指出下一步改进的工作方向,更好得帮助塔式起重机安全管理监督.     

基于BM3D降噪算法在塔吊裂缝图像中的应用

塔吊出现裂缝一直是塔吊事故频发的一个重要安全隐患因素,为了实现对有噪图像的滤波去噪,从而提高对裂缝图像识别的准确性,将之应用在工地安全管理上,进而更好地避免塔吊事故的发生.一种结合了空域和变换域的图像滤波算法优点的三维块匹配(BM3 D)图像去噪算法,针对塔吊裂缝图像,通过大量实验比较分析了其他滤波算法在塔吊裂缝识别上的效果,证明了BM3 D算法在塔吊裂缝定量分析中的可行性,并进一步提出下一步的改进方向来更好的针对塔吊安全管理.     

深度学习在塔吊裂缝识别中的应用

在塔吊事故频发的背景下,将阐述几种当前主流的基于卷积神经网络的目标识别算法应用于塔吊安全监督管理的可行性.将当前主流的目标识别YOLOv3算法、Faster-RCNN算法和SSD算法应用在塔吊的裂缝识别上从而降低塔吊事故的发生,通过比较分析这三种算法在塔吊裂缝识别上的优缺点,并进一步提出下一步的改进方向来更好的针对塔吊安全管理.