检索结果-维普期刊中文期刊服务平台

基于深度学习的桥梁表观裂缝检测算法研究被引量：2: 1; 作者张鸣祥张睿钟其仁《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第7期995-1002,共8页; 针对在复杂背景条件下难以直接对桥梁表观裂缝进行检测的问题,文章提出一种基于深度学习的桥梁表观裂缝检测算法。首先利用滑动窗口算法将采集到的桥梁表观裂缝图像切分为小尺寸的桥梁裂缝面元图像和桥梁背景面元图像,并根据对面元图像... 展开更多; 关键词深度学习桥梁表观裂缝检测滑动窗口算法 Inception网络残差网络数字图像处理; 在线阅读下载PDF 职称材料

基于矢量量化变分自编码器的混凝土表观裂缝检测算法被引量：1: 2; 作者刘超吴纪曙《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第11期1699-1705,共7页; 提出了一种基于第2代矢量量化变分自编码器(VQ-VAE-2)的自监督混凝土表观裂缝检测算法,可以在缺少裂缝样本的条件下实现高效检测。以重建误差为检测指标,利用无裂缝图片训练VQ-VAE-2,使其在重建裂缝图片时产生更大的重建误差;在计算重... 展开更多; 关键词桥梁工程混凝土表观裂缝检测深度学习变分自编码器异常检测; 在线阅读下载PDF 职称材料

基于计算机视觉的混凝土表观裂缝识别和宽度测量被引量：3: 3; 作者王文斌王啸霆 +1 位作者王涛陈曦《地震工程与工程振动》 CSCD 北大核心 2024年第3期41-51,共11页; 对钢筋混凝土(reinforcement concrete, RC)结构表观裂缝的高效识别可以为结构震损快速评估提供佐证。无论在地震现场还是实验室环境,此类工作均表现出量大、重复的特征,适合利用计算机视觉技术完成,以弥补人工方式低效、不确定性强的... 展开更多; 关键词表观裂缝计算机视觉裂缝识别裂缝宽度测量透视误差校正; 在线阅读下载PDF 职称材料

基于HU-ResNet的混凝土表观裂缝信息提取被引量：12: 4; 作者徐国整廖晨聪 +2 位作者陈锦剑董斌周越《计算机工程》 CAS CSCD 北大核心 2020年第11期279-285,共7页; 针对混凝土结构表观裂缝检测准确率低、细节信息丢失及精度不高等问题,提出一种利用HU-ResNet卷积神经网络的混凝土表观裂缝检测方法。基于改进U-Net网络建立HU-ResNet模型,采用经ImageNet预训练的ResNet34残差网络作为编码器,以保留裂... 展开更多; 关键词混凝土表观裂缝 HU-ResNet卷积神经网络组合损失函数 scSE模块超柱模块; 在线阅读下载PDF 职称材料

基于生物启发神经网络的水下坝面表观裂缝检测路径规划算法被引量：8: 5; 作者马建业郑东健孙建伟《水利水电科技进展》 CSCD 北大核心 2022年第6期60-65,85,共7页; 为连续获取水下坝面表观长裂缝的局部图像,基于生物启发神经网络设计了一种自治水下机器人水下坝面表观裂缝检测路径规划算法。算法对裂缝走向进行标识,计算出其指向的栅格,并将指向结果通过活性增益的方式应用到路径决策中。通过仿真... 展开更多; 关键词水下表观裂缝裂缝检测图像处理生物启发神经网络全覆盖路径规划; 在线阅读下载PDF 职称材料

题名基于深度学习的桥梁表观裂缝检测算法研究被引量：2: 1; 作者张鸣祥张睿钟其仁; 机构合肥工业大学土木与水利工程学院土木工程防灾减灾安徽省工程技术研究中心; 出处《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第7期995-1002,共8页; 基金国家自然科学基金资助项目(51878234)。; 文摘针对在复杂背景条件下难以直接对桥梁表观裂缝进行检测的问题,文章提出一种基于深度学习的桥梁表观裂缝检测算法。首先利用滑动窗口算法将采集到的桥梁表观裂缝图像切分为小尺寸的桥梁裂缝面元图像和桥梁背景面元图像,并根据对面元图像的分析,提出一种基于Inception网络和残差网络(ResNet)的桥梁裂缝分类模型,用于桥梁裂缝面元和桥梁背景面元的识别;然后结合桥梁裂缝分类模型与滑动窗口算法对桥梁表观裂缝图像进行检测;最后利用数字图像处理技术测量裂缝宽度。结果表明:该文算法对桥梁表观裂缝有超过99%的分类精度,可满足实际工程需要;实现了裂缝的提取并能准确地定位出裂缝在图像中的位置;根据成像原理能测量出裂缝宽度。与传统的深度学习模型相比,该模型拥有更高的执行效率,可用于大规模检测,更易于应用在桥梁健康检测中。; 关键词深度学习桥梁表观裂缝检测滑动窗口算法 Inception网络残差网络数字图像处理; Keywords deep learning bridge apparent crack detection sliding window algorithm Inception network residual network(ResNet) digital image processing; 分类号 U446.2 [建筑科学—桥梁与隧道工程]; 在线阅读下载PDF 职称材料

题名基于矢量量化变分自编码器的混凝土表观裂缝检测算法被引量：1: 2; 作者刘超吴纪曙; 机构同济大学土木工程学院; 出处《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第11期1699-1705,共7页; 文摘提出了一种基于第2代矢量量化变分自编码器(VQ-VAE-2)的自监督混凝土表观裂缝检测算法,可以在缺少裂缝样本的条件下实现高效检测。以重建误差为检测指标,利用无裂缝图片训练VQ-VAE-2,使其在重建裂缝图片时产生更大的重建误差;在计算重建误差时将原图和重建图片均分割成若干图块,取对应图块间重建误差最大值作为图片的重建误差,以增大2类图片的重建误差差异。结果表明,该算法的精确率为0.954,召回率为0.959,准确率为0.956,F1分数为0.957。在无裂缝样本作为训练集的情况下,该算法能较好地完成混凝土表观裂缝检测任务。; 关键词桥梁工程混凝土表观裂缝检测深度学习变分自编码器异常检测; Keywords bridge engineering concrete structural apparent crack detection deep learning variational autoencoders anomaly detection; 分类号 U445.71 [建筑科学—桥梁与隧道工程]; 在线阅读下载PDF 职称材料

题名基于计算机视觉的混凝土表观裂缝识别和宽度测量被引量：3: 3; 作者王文斌王啸霆王涛陈曦; 机构中国地震局工程力学研究所地震工程与工程振动重点实验室地震灾害防治应急管理部重点实验室北京市建筑设计研究院有限公司; 出处《地震工程与工程振动》 CSCD 北大核心 2024年第3期41-51,共11页; 基金国家重点研发计划项目(2019YFE0198900) 国家自然科学基金项目(52108482)。; 文摘对钢筋混凝土(reinforcement concrete, RC)结构表观裂缝的高效识别可以为结构震损快速评估提供佐证。无论在地震现场还是实验室环境,此类工作均表现出量大、重复的特征,适合利用计算机视觉技术完成,以弥补人工方式低效、不确定性强的劣势。以消费级相机输出图像作为数据源,融合U-Net和VGG-16构造适用于混凝土表观裂缝识别的卷积神经网络(convolutional neuralnetwork, CNN)模型,依托多类型RC构件裂缝图像数据库完成模型训练和测试。利用形态学运算、Otsu阈值分割等技术进一步优化裂缝识别结果作为宽度测量的输入数据。为降低相机光轴与裂缝平面不垂直带来的裂缝宽度测量误差,通过特定靶标对原始图像进行透视误差校正,经检验,透视误差校正后的裂缝宽度测量的平均偏差最大可降低约25%。; 关键词表观裂缝计算机视觉裂缝识别裂缝宽度测量透视误差校正; Keywords apparent crack computer vision crack detection crack width measurement perspective error correction; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于HU-ResNet的混凝土表观裂缝信息提取被引量：12: 4; 作者徐国整廖晨聪陈锦剑董斌周越; 机构上海交通大学船舶海洋与建筑工程学院上海交通大学电子信息与电气工程学院东南大学土木工程学院; 出处《计算机工程》 CAS CSCD 北大核心 2020年第11期279-285,共7页; 基金国家自然科学基金(51978399)。; 文摘针对混凝土结构表观裂缝检测准确率低、细节信息丢失及精度不高等问题,提出一种利用HU-ResNet卷积神经网络的混凝土表观裂缝检测方法。基于改进U-Net网络建立HU-ResNet模型,采用经ImageNet预训练的ResNet34残差网络作为编码器,以保留裂缝细节信息并加速网络收敛,引入scSE注意力机制模块在空间和通道重新标定编码块与解码块的输出特征,并利用超柱模块融合解码器各阶段所输出特征图获取更精确的裂缝图像语义信息和定位,同时采用组合损失函数进一步提高裂缝图像精度。实验结果表明,该模型的像素准确率、交并比和F1值分别达到0.9904、0.6933和0.8166,优于Canny、区域生长等传统数字图像模型和FCN8s、U-Net、U-ResNet等深度学习模型且裂缝检测更精准。; 关键词混凝土表观裂缝 HU-ResNet卷积神经网络组合损失函数 scSE模块超柱模块; Keywords apparent crack of concrete HU-ResNet Convolutional Neural Networks(CNN) combined loss function scSE module hypercolumn module; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于生物启发神经网络的水下坝面表观裂缝检测路径规划算法被引量：8: 5; 作者马建业郑东健孙建伟; 机构河海大学水利水电学院河海大学水资源高效利用与工程安全国家工程研究中心河海大学水文水资源与水利工程科学国家重点实验室南京市江宁区赵村水库管理所; 出处《水利水电科技进展》 CSCD 北大核心 2022年第6期60-65,85,共7页; 基金国家自然科学基金面上项目(5217090058)。; 文摘为连续获取水下坝面表观长裂缝的局部图像,基于生物启发神经网络设计了一种自治水下机器人水下坝面表观裂缝检测路径规划算法。算法对裂缝走向进行标识,计算出其指向的栅格,并将指向结果通过活性增益的方式应用到路径决策中。通过仿真试验证实了该算法在保证对检测对象全覆盖的前提下,能够连续获取长裂缝的局部图像,连续度较牛耕法所规划的路径有较大的提升,有助于长裂缝图像拼接。; 关键词水下表观裂缝裂缝检测图像处理生物启发神经网络全覆盖路径规划; Keywords underwater apparent crack crack detection image processing biologically inspired neural network full coverage path planning; 分类号 TV698.1 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于深度学习的桥梁表观裂缝检测算法研究	张鸣祥张睿钟其仁	《合肥工业大学学报（自然科学版）》 CAS 北大核心	2024	2	在线阅读下载PDF 职称材料
2	基于矢量量化变分自编码器的混凝土表观裂缝检测算法	刘超吴纪曙	《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于计算机视觉的混凝土表观裂缝识别和宽度测量	王文斌王啸霆王涛陈曦	《地震工程与工程振动》 CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
4	基于HU-ResNet的混凝土表观裂缝信息提取	徐国整廖晨聪陈锦剑董斌周越	《计算机工程》 CAS CSCD 北大核心	2020	12	在线阅读下载PDF 职称材料
5	基于生物启发神经网络的水下坝面表观裂缝检测路径规划算法	马建业郑东健孙建伟	《水利水电科技进展》 CSCD 北大核心	2022	8	在线阅读下载PDF 职称材料