基于改进边缘检测的钢箱梁疲劳裂纹识别及量化方法研究

钢箱梁内部场景复杂,疲劳裂纹图像识别容易受到背景干扰.针对传统图像处理方法的识别局限性,提出了一种基于改进边缘检测算法的疲劳裂纹识别与量化方法.首先,通过边缘检测算法识别出裂纹特征点,并通过形态学处理提取出裂纹骨架线.其次,采用单目视觉方法进行裂纹的特征量化.通过张氏标定法,建立了相机成像模型,从而将裂纹特征点由像素坐标映射至空间坐标.最终,开展了疲劳裂纹识别与量化试验,将改进边缘检测算法与传统图像处理方法进行比较,并评估裂纹特征量化精度.研究结果表明：改进边缘检测算法通过引入双边滤波函数,可以在抑制焊缝噪声干扰的同时保留裂纹边缘特征,相比于传统边缘检测和自适应阈值分割算法,更适用于钢箱梁识别场景.在试验条件下,疲劳裂纹长度测量误差控制在5%以内.     

基于深度学习的地铁隧道衬砌病害检测模型优化

地铁盾构隧道衬砌病害检测面临的最主要问题是如何获取高质量的病害图片以及如何快速、准确实现病害检测.基于CCD线阵相机设计制造了地铁隧道病害检测车,并针对上海运营地铁1、2、4、7、8、10、12等线路采集了大量的衬砌图像,通过手工标注建立高质量隧道病害样本库.基于卷积神经网络Faster R-CNN(Faster Region-based Convolutional Neural Network),构建了病害自动检测深度学习框架.考虑到裂缝及渗漏水病害的特殊性,采用数据统计分析及K-means聚类算法分析其几何特征,结合病害特征优化VGG-16网络模型中的anchor box相关参数.结果表明,修正后的模型病害检测准确度有明显的提升(约7%),同时模型的训练时间减少.经验证,上述方法同样可提高裂缝或渗漏水单一病害识别模型的准确度.     

基于Jetson-TX2的输电线路设备实时巡检系统

针对输电线路及设备巡检效率低的问题,设计了一种基于Jetson-TX2的输电线路设备实时巡检系统。该系统包括基于YOLO v3算法的Jetson-TX2主控模块和云台相机控制模块。Jetson-TX2主控模块通过TensorRT加速库,对YOLO v3算法模型进行优化加速,完成视频流目标实时识别与定位;采用 PID算法控制云台(PTZ)相机,实现设备的高清图像采集。该系统对输电线路设备整体识别准确率达95%,可实现对视频流的实时检测,有效提高输电线路巡检效率。     

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.     

基于图像处理与深度学习的隧道衬砌裂缝检测

针对目前隧道衬砌裂缝检测方法适应性不好且检测精度不高等问题,提出了以图像处理和深度学习相结合的衬砌裂缝检测方法 .首先,以隧道衬砌图像采集车载设备为研究对象,对获取的图像利用改进Mask匀光算法去除图像中的阴影,利用拼接缝去除方法去除拼接缝.其次,构建改进的VGG19网络模型,通过深度学习方法实现了衬砌裂缝的高效分割,提出基于虚拟标尺的裂缝长度和宽度测量方法,实现了衬砌裂缝的高效准确检测.最后通过实际隧道检测试验验证了本文方法的可行性和有效性,试验结果表明裂缝类型识别率高,裂缝长度的最大偏差为2.92 mm,裂缝宽度的最大偏差为0.28 mm.     

隧道衬砌裂缝的远距离图像测量技术

针对远距离数字照相所采集的隧道衬砌裂缝图像自身特点,结合实验数据拟合标定曲线的相机标定方法,采用图像增强预处理、循环迭代法裂缝区域提取、数学形态学修整、亚像素边缘检测等图像处理手段,提出隧道衬砌裂缝识别及宽度量测新算法.经室内试验验证,当拍摄距离小于8m时,算法精度较高,裂缝宽度量测误差一般小于0.40mm;根据现场实际情况可知,该算法误差最大为0.37mm,最小为0.08mm,平均误差为0.20mm,满足工程测量的要求.     

基于SIFT算法的无人机烟株图像快速拼接方法

无人机由于受到飞行高度及携带相机焦距的限制,拍摄的图像范围很小,单个图像难以反映实际采集情况,为了获取拍摄区域全景图像,需将多个遥感图像进行拼接。传统的图像拼接算法具有计算量大、拼接耗时等缺点,无法满足无人机图像拼接的实时性要求。本文提出了一种基于SIFT特征向量的烟株遥感图像拼接方法,该方法在对无人机图像畸变进行预处理的基础上,利用相位相关算法确定图像重叠区域并检测该区域特征点,构建特征向量图来进行特征点匹配,最后根据两幅图像中相应特征点的坐标关系,采用RANSAC算法计算最优匹配变换矩阵。按照上述方法对获取的烟株图像进行拼接,结果表明:该方法快速有效,较传统SIFT拼接算法在速度上提高了49.8%。     

基于深度学习的隧道裂缝识别方法

为提高隧道衬砌裂缝的识别精度和速度,提出一种基于深度学习的隧道衬砌裂缝自动识别算法。该算法使用两个深度卷积神经网络分别实现隧道衬砌图像分类和裂缝识别。首先使用图像分类网络对隧道衬砌图像进行分类,筛选出含有裂缝的图像;然后使用裂缝识别网络,结合滑动窗口扫描的方式对含有裂缝的图像进行裂缝识别,得到初步的裂缝定位结果;最后根据初步的裂缝定位结果进行图像分割,并计算出裂缝的长度值和宽度值。实验结果表明:图像分类和裂缝识别的准确率均达到98%;处理单张不包含裂缝的大尺度图像耗时0. 008 s,处理单张包含裂缝的图像耗时0. 688 s;施工缝、线缆、字迹等对裂缝识别的影响减弱。     

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;其次,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,实时快速识别出衬砌裂缝,并通过接受者操作特征(receiver operating characteristics, ROC)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。     

阵列工业图像快速拼接算法

相机阵列获取的多目图像拼接常依赖特征点的数量和空间分布情况,采用传统Harris角点检测算法提取特征点时,会产生伪角点和角点簇,影响拼接速度和精度。自定义Harris角点检测阈值,保留明显特征点,利用自适应非极大值抑制(ANMS)优化角点簇问题;再生成特征描述子,实现特征点的初步匹配,接着用随机抽样一致算法(RANSAC)去除误匹配;最后采用渐入渐出融合算法,实现了拼接图像的平滑过渡。结果表明,该算法能够快速、精确地实现工业图像拼接,具有优良的工业实用性。     

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。     

基于机器人检测的引水隧洞结构缺陷特征分析

利用机器人对水工隧洞进行检测是解决引水隧洞斜井段安全巡检的有效手段。采用爬行机器人搭载三维激光扫描仪及高清摄像装备对引水隧洞进行结构巡检,通过三维点云处理与缺陷数据拼接获取引水隧洞断面的缺陷信息,并结合缺陷数据处理成果分析引水隧洞结构缺陷特征及分布规律,实现了引水隧洞表观缺陷形态不规则、分布不均、多种缺陷共存的巡检与分析。结果表明：引水隧洞内存在的缺陷包括裂缝、渗漏、漏筋等,上平段缺陷数量明显多于斜井段,其中裂缝是最主要的缺陷类型。上平段裂缝主要分布在洞顶位置,多以垂直洞轴线的横线裂缝存在;斜井段裂缝均匀分布在洞周各个位置,走向以斜向裂缝居多。可见,上平段和斜井段缺陷数量和裂缝特征均存在较大差异,在后期的安全巡检过程中更应该主要关注裂缝的扩展情况。     

基于特征融合的金属铸造工件表面裂纹检测算法研究

针对复杂结构的金属铸造工件表面因成像复杂引发干扰,裂纹提取判别困难的检测问题,本文提出一种结合了颜色形态特征融合图像分割和纹理特征裂纹判定的金属铸造工件表面裂纹检测算法。算法通过GAMMA变换增强裂纹并弱化背景,根据裂纹目标的颜色特征与几何形状特征相融合,量化特征并滤波特征值分割提取裂纹目标,基于灰度共生矩阵对候选裂纹区域提取纹理特征,使用支持向量机分类器进行训练并识别裂纹。金属工件表面裂纹检测实验表明,该算法在图像分割方面能更加完整准确的提取裂纹,在真伪裂纹的识别中准确率、精确率、召回率和F1得分分别为94.47%、92.51%、96.67%和93.74%。相较于传统检测算法,该算法克服了上述干扰影响,在准确率等方面具有优势,且具有较快的识别速度。     

结合路面深度影像梯度方向直方图和分水岭算法的裂缝检测

裂缝检测对于道路维护和管理具有重要作用.由于深度影像对路面油污、阴影等因素不敏感,近些年来基于深度影像的检测方法已成为路面裂缝检测新的研究方向之一.传统的激光扫描线方法没有顾及裂缝在整个空间分布的变异性、各向异性和全局性特征,无法有效检测横向、块状、网状等裂缝.针对以往算法的不足,提出一种结合梯度方向直方图和分水岭算法的路面裂缝检测方法.首先,通过梯度方向直方图算法提取路面深度影像的裂缝边缘强度和方向;然后,利用裂缝边缘方向改进传统分水岭算法,最终提取裂缝目标.实验结果表明,该方法不仅能够准确检测多种类型的裂缝目标,而且能识别裂缝破损程度.     

铁磁构件表层裂纹漏磁场分析及检测系统

针对铁磁构件裂纹损伤检测方法和仪器应用技术现状,建立了V型裂纹漏磁场分析模型,得出了平板铁磁构件表面指定探测点的漏磁场理论表达式。采用MATLAB软件编程进行全面的仿真分析,得出了漏磁场的法向分量与裂纹开口宽度的关系曲线、漏磁场的法向分量与裂纹深度的关系曲线、漏磁场的法向分量与裂纹长度的关系曲线;得出裂纹漏磁场法向分量过零点、漏磁场垂向分量出现最大值和漏磁场切向分量出现裂纹端部过零点的漏磁场分布特性。根据理论分析得出的裂纹漏磁场特征,设计制作了阵列式的裂纹检测装置和检测平台,并对带有V型裂纹的平板铁磁构件进行检测。实验表明：文中理论分析得出的三维漏磁场与检测结果能够较好的吻合,并对裂纹的几何参数估计具有一定的指导意义,根据漏磁模型研制的检测装置能探测铁磁构件的裂纹缺陷。     

基于无人机载红外-可见双光成像的土石堤坝渗漏巡查方法

为更直观、高效地探测土石堤坝渗漏,基于无人机载红外-可见双光成像的渗漏巡查模式,提出了土石堤坝渗漏非接触无损快速巡查方法。综合考虑双光设备成像效果,讨论了该方法无人机航高设定问题,给出了土石堤坝工程渗漏巡查实现流程,并在多种天气条件下开展了实际工程现场巡测试验。试验结果表明：该巡查方法能有效探测土石堤坝坡面渗漏和管涌,且操作简便、作业高效、结果直观、夜间工作性能良好,对大体积、长线状堤坝工程渗漏巡查具有很好的实用性。结合野外巡测试验,指出了该方法应用于实际工程时需充分考虑复杂地面条件、温度变化、成像设备等因素的影响。     

基于方向特征及引力模型的路面裂缝检测

针对全局性路面裂缝检测方法的局限,提出了一种基于方向特征及引力模型的路面裂缝检测方法.算法首先根据裂缝的延伸性及局部过渡性,搜索裂缝端点,并设计了反映裂缝线型特征的方向因子及方向导数区分度判据,使裂缝判别局限在裂缝端点延伸方向的局部邻域内,有效地阻止了非裂缝区域冗余信息的引入.进一步根据人类判别裂缝的视觉特性,借鉴物理学原理建立了裂缝引力模型,增强了噪斑存在时裂缝连接的鲁棒性.结合颜色距离,设计了裂缝延伸与连接的多判据判别函数,实现对裂缝像素区域的判别检测.实验结果表明所提方法的准确性.     

基于GA-BP神经网络的微裂纹漏磁定量识别技术

针对漏磁检测定量识别技术中识别的缺陷尺寸大多为1~10 mm的较大裂纹,与实际自然裂纹相差太大的问题,将基于遗传算法优化的BP神经网络（GA-BP）算法应用到微裂纹缺陷的漏磁定量识别中,使得漏磁检测定量识别缺陷的宽度、深度达到小于0.50 mm的微细裂纹,并通过基于磁偶极子模型的理论计算与漏磁检测实验两种方法构建了微裂纹（0.10~0.30 mm）缺陷样本库.由于在实际检测过程中存在干扰噪声的原因,实验数据的预测结果误差比理论计算数据预测结果明显偏大,最大为16.73%,但预测结果能够基本反映微裂纹缺陷的尺寸大小.