检索结果-维普期刊中文期刊服务平台

基于Sobel算子桥接的双编码器路面裂缝检测网络: 1; 作者蓝章礼徐元通 +2 位作者赵胜薇张洪黄大荣《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第9期18-24,33,共8页; 为提高道路路面裂缝的检测精度,针对路面裂缝的多态性和噪声复杂等问题,提出了一种基于Sobel算子桥接的双编码器路面裂缝检测网络,双编码器由原图编码和梯度编码两部分组成,以解决单编码器容易丢失梯度信息的问题。首先,原图编码结果通... 展开更多; 关键词道路工程路面裂缝检测双编码器 SOBEL算子边缘信息弥补动态通道图卷积; 在线阅读下载PDF 职称材料

基于改进YOLOv5的路面裂缝检测方法被引量：1: 2; 作者王向前成高立 +1 位作者胡鹏夏晓华《电子技术应用》 2024年第3期80-85,共6页; 针对现有裂缝检测模型体积较大且检测精度不高的问题,提出一种基于轻量化网络的无人机航拍图像裂缝检测方法。首先,使用MobileNetv3网络替代YOLOv5的主干网络,降低模型大小;其次,引入C3TR和CBAM模块提高网络表征能力,将损失函数替换为E... 展开更多; 关键词路面裂缝检测 YOLOv5 目标检测 C3TR CBAM EIOU; 在线阅读下载PDF 职称材料

基于LBP的路面裂缝检测和破损程度估计: 3; 作者李凡《中国科技财富》 2010年第2期36-37,共2页; 本文提出了一种基于LBP的路面裂缝自动检测和破损程度估计。首先，用包含裂缝的路面图片为正样本，不包含裂缝的路面图片为负样本，利用LBP特征训练一个SVM裂缝检测器。该分类器用于从海量路面影像中快速筛选出破损路面的图片，从而达... 展开更多; 关键词路面裂缝检测 LBP特征 SVM 分类器路面破损估计; 在线阅读下载PDF 职称材料

无人机技术在路面裂缝检测中的应用被引量：1: 4; 作者马晓忠李雪莹《北方交通》 2022年第10期29-31,共3页; 路面裂缝检测是制定路面养护设计方案的基础,着重介绍了无人机技术在路面裂缝检测中的应用。基于实际路面检测项目,首先对裂缝采用经纬M200无人机进行图像采集,之后对拍摄裂缝图像的灰度、均衡化以及噪声干扰进行处理,采用像素阈值法进... 展开更多; 关键词无人机路面裂缝检测损伤程度裂缝分割算法; 在线阅读下载PDF 职称材料

基于数据微观精分的沥青路面裂缝自动化检测被引量：3: 5; 作者傅幼华罗文婷 +2 位作者李林倪昌双杨振《交通科技与经济》 2022年第6期45-52,共8页; 为提高沥青路面裂缝的自动化检测精度,以深度学习模型数据集为对象,结合传统图像处理,提出一种基于裂缝数据进行微观精分的深度学习裂缝数据集处理方法,使深度学习模型能更有针对性地学习沥青路面裂缝的数据特征。在构造数据集时,通过... 展开更多; 关键词宏观精分微观精分局部自适应阈值路面裂缝检测 YOLOv5; 在线阅读下载PDF 职称材料

基于Beamlet变换的路面裂缝图像匀光算法被引量：5: 6; 作者吕岩曲仕茹《交通运输系统工程与信息》 EI CSCD 2011年第5期123-128,共6页; 为解决路面病害检测过程中在不同光照条件下裂缝识别可靠性的问题,Beamlet变换提供了一种多尺度分析算法.该算法采用递归二进法将图像分块,利用在所有像素尺度下的Beamlet线段逼近裂缝,将裂缝从图像背景中分离,并采用插值函数均匀光照背... 展开更多; 关键词智能交通匀光 BEAMLET变换路面裂缝检测像素灰度噪声; 在线阅读下载PDF 职称材料

基于YOLOv5s模型的新型道路裂缝检测系统被引量：4: 7; 作者陈嘉锐崔得龙 +1 位作者邱泽环张霖《现代电子技术》 2023年第13期62-66,共5页; 针对现有道路裂缝检测自动化程度低、检测精度低等问题,提出一种基于YOLOv5s模型的新型道路裂缝检测系统。该系统包括基于深度学习网络的路面裂缝检测模块和自主开发的自动驾驶模块。其中,路面裂缝检测模块采用YOLOv5s网络作为裂缝检测... 展开更多; 关键词路面裂缝检测 YOLOv5s模型路面裂缝分类自动驾驶模块数据收集网络训练自主导航; 在线阅读下载PDF 职称材料

基于先验知识MinMax k-Means聚类算法的道路裂缝研究被引量：7: 8; 作者郭立媛张磊 +1 位作者李威韩旭《中国测试》 CAS 北大核心 2018年第4期112-117,共6页; 在多种公路病害中,经常造成重大工程事故和经济问题的裂缝引起较大关注。公路路面图像通常包含各种物体,例如油渣、污垢、车道标记、植被碎片和其他非路面伪像,因此需要从杂乱的背景中区分裂缝,增加裂缝检测难度。为解决上述问题,提出... 展开更多; 关键词路面裂缝检测先验知识 MinMax K-MEANS 特征提取; 在线阅读下载PDF 职称材料

基于改进遗传算法的模糊聚类应用于路面压实度控制研究: 9; 作者张林梁贾磊《山西交通科技》 2016年第3期23-25,共3页; 压实度不达标作为高速公路路面病害发生的主要原因,基于此通过针对沥青路面压实度及模糊聚类算法、遗传算法的研究,对沥青路面压实度影响因素进行深入分析,其目的主要是为了通过原始的采集数据进行预测,以提高沥青路面的压实度和路面的... 展开更多; 关键词遗传算法模糊C-均值聚类算法路面压实度裂缝检测; 在线阅读下载PDF 职称材料

题名基于Sobel算子桥接的双编码器路面裂缝检测网络: 1; 作者蓝章礼徐元通赵胜薇张洪黄大荣; 机构重庆交通大学信息科学与工程学院重庆交通大学省部共建山区桥梁及隧道工程国家重点实验室安徽大学人工智能学院; 出处《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第9期18-24,33,共8页; 基金国家自然科学基金项目(52278291)。; 文摘为提高道路路面裂缝的检测精度,针对路面裂缝的多态性和噪声复杂等问题,提出了一种基于Sobel算子桥接的双编码器路面裂缝检测网络,双编码器由原图编码和梯度编码两部分组成,以解决单编码器容易丢失梯度信息的问题。首先,原图编码结果通过桥接Sobel算子计算8个方向产生梯度编码的编码信息;然后,将原图编码结果与梯度编码结果通过一个多尺度的边缘信息弥补模块,以增强裂缝的边缘信息;最后,引入动态通道图卷积获得通道之间存在的拓扑关系,以突出重要通道的语义特征。研究结果表明:所提出的方法在DeepCrack、CamCrack789和CFD这3个基准数据集上取得较好的结果;综合指标ODS在DeepCrack、CamCrack789和CFD数据集分别为87.75%、85.05%、78.83%。; 关键词道路工程路面裂缝检测双编码器 SOBEL算子边缘信息弥补动态通道图卷积; Keywords highway engineering pavement crack detection dual encoder Sobel operator edge information compensation dynamic channel graph convolution; 分类号 U416.2 [交通运输工程—道路与铁道工程]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv5的路面裂缝检测方法被引量：1: 2; 作者王向前成高立胡鹏夏晓华; 机构陕西高速机械化工程有限公司长安大学公路养护装备国家工程研究中心; 出处《电子技术应用》 2024年第3期80-85,共6页; 基金陕西省交通运输厅科研项目重点项目(23-10X)。; 文摘针对现有裂缝检测模型体积较大且检测精度不高的问题,提出一种基于轻量化网络的无人机航拍图像裂缝检测方法。首先,使用MobileNetv3网络替代YOLOv5的主干网络,降低模型大小;其次,引入C3TR和CBAM模块提高网络表征能力,将损失函数替换为EIOU以提高模型的鲁棒性。实验结果表明,该方法在自制数据集上获得98.9%的精度,相较于原始YOLOv5提高1.2%,模型大小减小51.5%,检测速度提高37%。改进后的模型在精度、大小和速度上均优于Faster-RCNN等4种常见裂缝检测模型,满足了裂缝检测的实时性、轻量化和精度需求。; 关键词路面裂缝检测 YOLOv5 目标检测 C3TR CBAM EIOU; Keywords road surface crack detection YOLOv5 object detection C3TR CBAM EIOU; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] U418.6 [交通运输工程—道路与铁道工程]; 在线阅读下载PDF 职称材料

题名基于LBP的路面裂缝检测和破损程度估计: 3; 作者李凡; 机构厦门大学信息科学与技术学院计算机系集美大学教师教育学院; 出处《中国科技财富》 2010年第2期36-37,共2页; 文摘本文提出了一种基于LBP的路面裂缝自动检测和破损程度估计。首先，用包含裂缝的路面图片为正样本，不包含裂缝的路面图片为负样本，利用LBP特征训练一个SVM裂缝检测器。该分类器用于从海量路面影像中快速筛选出破损路面的图片，从而达到路面裂缝自动检测的目标。然后对筛选出来的破损路面图片，用滑动窗口技术和SVM局部裂缝检测器估计路面的破损情况。实验结果表明能防止胎痕，油污对裂缝检测的干扰，相对传统路面裂缝检测算法快速，高效。; 关键词路面裂缝检测 LBP特征 SVM 分类器路面破损估计; 分类号 TP393.01 [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

题名无人机技术在路面裂缝检测中的应用被引量：1: 4; 作者马晓忠李雪莹; 机构新疆维吾尔自治区交通运输综合执法局工程质量监督执法支队; 出处《北方交通》 2022年第10期29-31,共3页; 文摘路面裂缝检测是制定路面养护设计方案的基础,着重介绍了无人机技术在路面裂缝检测中的应用。基于实际路面检测项目,首先对裂缝采用经纬M200无人机进行图像采集,之后对拍摄裂缝图像的灰度、均衡化以及噪声干扰进行处理,采用像素阈值法进行裂缝分割和拼接,并进行裂缝参数识别,最后进行了路面破损评估。; 关键词无人机路面裂缝检测损伤程度裂缝分割算法; Keywords UAV Pavement crack detection Damage degree Crack segmentation algorithm; 分类号 U495 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名基于数据微观精分的沥青路面裂缝自动化检测被引量：3: 5; 作者傅幼华罗文婷李林倪昌双杨振; 机构福建农林大学交通与土木工程学院南京工业大学交通运输工程学院; 出处《交通科技与经济》 2022年第6期45-52,共8页; 基金国家重点研发计划项目(2021YFB3202901) 福建省高校产学合作重大项目(2020H6009)。; 文摘为提高沥青路面裂缝的自动化检测精度,以深度学习模型数据集为对象,结合传统图像处理,提出一种基于裂缝数据进行微观精分的深度学习裂缝数据集处理方法,使深度学习模型能更有针对性地学习沥青路面裂缝的数据特征。在构造数据集时,通过传统的图像处理方法将裂缝宏观精分为龟裂和线性裂缝。在宏观精分基础上,对线性裂缝和龟裂的像素级特征进行微观精分。YOLOv5模型的实验表明:微观精分的裂缝病害模型mAP@.5相较于宏观精分和未精分数据库分别提高8.9%和14.7%,在随机路段上有较好的检测性能。; 关键词宏观精分微观精分局部自适应阈值路面裂缝检测 YOLOv5; Keywords macro precision analysis micro precision analysis local adaptive threshold pavement crack detection YOLOv5; 分类号 U416.2 [交通运输工程—道路与铁道工程]; 在线阅读下载PDF 职称材料

题名基于Beamlet变换的路面裂缝图像匀光算法被引量：5: 6; 作者吕岩曲仕茹; 机构西北工业大学自动化学院; 出处《交通运输系统工程与信息》 EI CSCD 2011年第5期123-128,共6页; 基金教育部博士点基金(20096102110027) 陕西省工业攻关项目(2008KD7-14); 文摘为解决路面病害检测过程中在不同光照条件下裂缝识别可靠性的问题,Beamlet变换提供了一种多尺度分析算法.该算法采用递归二进法将图像分块,利用在所有像素尺度下的Beamlet线段逼近裂缝,将裂缝从图像背景中分离,并采用插值函数均匀光照背景.在图像裂缝提取过程中,对图像中裂缝的线性提取可以有效地滤除噪声,提高裂缝提取的准确性.较传统的图像处理算法,该算法在准确地检测路面裂缝,均匀光照背景的同时有效地抑制了噪声干扰,检测效果良好,且运算速度快.均匀的路面背景为路面裂缝图像的定性、定量分析奠定基础.; 关键词智能交通匀光 BEAMLET变换路面裂缝检测像素灰度噪声; Keywords intelligent transportation image dodging Beamlet transform pavement crack detection pixel gray noise; 分类号 U268.6 [机械工程—车辆工程]; 在线阅读下载PDF 职称材料

题名基于YOLOv5s模型的新型道路裂缝检测系统被引量：4: 7; 作者陈嘉锐崔得龙邱泽环张霖; 机构广东石油化工学院; 出处《现代电子技术》 2023年第13期62-66,共5页; 基金国家自然科学基金项目(62273109) 广东省创新科技专项资金(pdjh2022b0345)。; 文摘针对现有道路裂缝检测自动化程度低、检测精度低等问题,提出一种基于YOLOv5s模型的新型道路裂缝检测系统。该系统包括基于深度学习网络的路面裂缝检测模块和自主开发的自动驾驶模块。其中,路面裂缝检测模块采用YOLOv5s网络作为裂缝检测与分类的模型,实时获取路面裂缝图片作为数据集并在此数据集上对网络进行训练,利用训练好的网络提取不同类型裂缝图像的特征信息,实现路面裂缝的分类与检测。自动驾驶模块使用自主设计的工程作业车作为载体,搭载激光雷达、高清摄像头等设备,结合云端后台搭建一套功能完善的路面裂缝检测系统。实验证明该系统具有路面裂缝识别、自主导航、联网、定位、远程控制等功能,适用于常规与特种道路的安全检测工作。; 关键词路面裂缝检测 YOLOv5s模型路面裂缝分类自动驾驶模块数据收集网络训练自主导航; Keywords pavement crack detection YOLOv5s model pavement crack classification autonomous driving module data acquisition network training autonomous navigation; 分类号 TN911.73-34 [电子电信—通信与信息系统] TP391.41 [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

题名基于先验知识MinMax k-Means聚类算法的道路裂缝研究被引量：7: 8; 作者郭立媛张磊李威韩旭; 机构河北工业大学控制科学与工程学院; 出处《中国测试》 CAS 北大核心 2018年第4期112-117,共6页; 基金河北省科技计划项目(16210315D) 国家智慧城市2014年度智慧工地专项试点项目(建办科[2015]15号); 文摘在多种公路病害中,经常造成重大工程事故和经济问题的裂缝引起较大关注。公路路面图像通常包含各种物体,例如油渣、污垢、车道标记、植被碎片和其他非路面伪像,因此需要从杂乱的背景中区分裂缝,增加裂缝检测难度。为解决上述问题,提出基于先验知识的MinMax k-Means算法进行裂缝检测。该算法在聚类过程中分配与簇内方差大小成正比的可自动修正的权重,并引入先验知识以处理聚类结果对聚类中心初始位置敏感问题。除此之外,预处理采用含裂缝图像块的均值比不含裂缝的均值小的方法预标记图像块,并从垂直和水平两个方向扫描均值矩阵,大大提升聚类结果的准确性。使用相同样本,将所提算法与标准k-Means算法比较,可知所提算法有更好的准确性和有效性。; 关键词路面裂缝检测先验知识 MinMax K-MEANS 特征提取; Keywords pavement crack detection prior knowledge MinMax k-Means feature extraction; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] U418.66 [交通运输工程—道路与铁道工程]; 在线阅读下载PDF 职称材料

题名基于改进遗传算法的模糊聚类应用于路面压实度控制研究: 9; 作者张林梁贾磊; 机构山西省交通科学研究院; 出处《山西交通科技》 2016年第3期23-25,共3页; 文摘压实度不达标作为高速公路路面病害发生的主要原因,基于此通过针对沥青路面压实度及模糊聚类算法、遗传算法的研究,对沥青路面压实度影响因素进行深入分析,其目的主要是为了通过原始的采集数据进行预测,以提高沥青路面的压实度和路面的耐久度,保障沥青路面的质量,而传统的模糊C-均值聚类算法容易导致局部最优解,且对初始值较敏感,通过利用基于改进的遗传算法的模糊聚类算法应用于路面压实度研究,不仅克服了模糊C-均值聚类算法的缺点,同时也提高了数据分类的质量及预测的效果。; 关键词遗传算法模糊C-均值聚类算法路面压实度裂缝检测; Keywords genetic algorithm fuzzy C-means clustering algorithm pavement compaction degree crack detection; 分类号 U416.2 [交通运输工程—道路与铁道工程]; 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Sobel算子桥接的双编码器路面裂缝检测网络	蓝章礼徐元通赵胜薇张洪黄大荣	《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于改进YOLOv5的路面裂缝检测方法	王向前成高立胡鹏夏晓华	《电子技术应用》	2024	1	在线阅读下载PDF 职称材料
3	基于LBP的路面裂缝检测和破损程度估计	李凡	《中国科技财富》	2010	0	在线阅读下载PDF 职称材料
4	无人机技术在路面裂缝检测中的应用	马晓忠李雪莹	《北方交通》	2022	1	在线阅读下载PDF 职称材料
5	基于数据微观精分的沥青路面裂缝自动化检测	傅幼华罗文婷李林倪昌双杨振	《交通科技与经济》	2022	3	在线阅读下载PDF 职称材料
6	基于Beamlet变换的路面裂缝图像匀光算法	吕岩曲仕茹	《交通运输系统工程与信息》 EI CSCD	2011	5	在线阅读下载PDF 职称材料
7	基于YOLOv5s模型的新型道路裂缝检测系统	陈嘉锐崔得龙邱泽环张霖	《现代电子技术》	2023	4	在线阅读下载PDF 职称材料
8	基于先验知识MinMax k-Means聚类算法的道路裂缝研究	郭立媛张磊李威韩旭	《中国测试》 CAS 北大核心	2018	7	在线阅读下载PDF 职称材料
9	基于改进遗传算法的模糊聚类应用于路面压实度控制研究	张林梁贾磊	《山西交通科技》	2016	0	在线阅读下载PDF 职称材料