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

The paper first describes the watershed algorithm and solves the problem of the over-segmentation from the watershed algorithm by using the mark watershed transform; then wood defect image is treated with algorithm; finally the comparison is made between the original image and the edge image detecte...

基于图像分析的水电站坝面缺陷判别是一种高效、精准的方法,然而大坝裂缝图像存在背景复杂以及裂缝和背景像素比例不均衡等问题,导致传统算法的检测效果差。该文提出一种基于改进的DeepLabV3+网络模型的坝面裂缝检测方法。该方法利用三线注意力模块(three line attention module,TLAM)提高模型对裂缝像素的提取能力;采用空洞空间金字塔池化(atrous spatial pyramid pooling,ASPP)模块进行级联优化,实现更密集的像素采样,获取更丰富的裂缝特征;将MobileNetV2作为特征提取主干网络,可实现网络轻量化并减少模型参数;将焦点损失(focal loss,FL)和Dice损失(dice loss,DL)作为模型的损失函数,可克服数据不平衡的困难。对西南某水电站的坝面裂缝数据集进行模型有效性和对比实验,结果表明:该方法中用来评价模型精度的F_(1,score)、平均交并比(mean intersection over union,MIoU)和平均像素精度(mean pixel accuracy,MPA)的值分别达到73.98%、66.73%和73.81%,比改进前的DeepLabV3+网络检测效果分别提高了3.33%、2.89%和1.12%,该方法可为坝面维护以及未来风险评估提供技术支撑。

【目的】研究高精度小型无人机获取林分调查因子方法,将林分调查因子在低空无人机影像上识别并提取出来,获取树高、冠径等测树因子,建立林分因子测量方法,实现经济、高效、快捷、精准的森林资源调查和监测,及时掌握森林资源及相关林分因子的时空变化特征。【方法】以东北林业大学城市林业示范基地樟子松人工林为研究对象,以多旋翼无人机影像为数据源,基于FCM聚类算法和分水岭分割算法以及形态学运算、阈值分割、图像平滑、灰度化、二值化等一系列数字图像处理技术,提取樟子松人工林林分因子。FCM聚类算法和阈值分割法用于提取树梢标记图像,分水岭分割算法对树梢标记图像进行迭代处理从而获得单木树冠分割图像,根据单木树冠分割结果提取单木特征进而计算各林分因子值。【结果】在林地提取中,根据影像的颜色特征绿度分割成功地将林地部分与非林地部分分离开来,确定单木树冠分割范围。在单木树冠分割中,阈值分割法和FCM聚类算法均可有效将树梢标记从林地图像中提取出来;将基于标记的分水岭分割算法用于单木树冠分割取得较好效果,大多数单木树冠被单独分割出来,但某些区域仍然存在一定的欠分割或过分割问题。在林分因子提取中,提取的林分因子包括林分郁闭度、林地面积、立木株数和平均冠幅,其中林分郁闭度的测量精度为96.67%,林地面积的测量精度为81.23%,立木株数和平均冠幅的测量精度与单木树冠分割中的树梢提取方法(阈值分割法和FCM聚类算法)及分水岭分割中的2个参数(形态学腐蚀的结构元素大小和中值滤波的窗口大小)有关。针对2种树梢提取方法,分别进行参数组合试验,结果显示2种树梢提取方法使用适当参数组合所得各林分因子测量精度均在80%以上,平均测量精度均在90%以上,其中阈值分割法的最高平均测量精度为94.49%,FCM聚类算法的最高平均测量精度为93.17%。【结论】利用无人机拍摄的人工林影像进行森林资源调查,将先进的计算机科学技术和无人机技术应用到林业领域中,可有效提高森林资源调查的效率和精度。本研究提出的林分因子提取方法适用于高郁闭度林分,测量精度满足实际需求。

裂缝是大坝最常见的损伤之一,可反映大坝的受力状态和安全性。针对混凝土坝裂缝传统检测算法速度慢、精度低、泛化性能不足等问题,该文基于目标检测神经网络YOLOX(you only look once x)深度学习目标检测算法,提出一种混凝土坝表观裂缝实时检测方法(YOLOX-dam crack detection, YOLOX-DCD)。该方法对YOLOX目标检测神经网络进行改进,首先在网络结构中加入卷积注意力机制,使网络更关注裂缝特征,提高检测效果;其次引入完全交并比(complete intersection over union, CIo U)作为目标定位损失函数;最后在自制的混凝土坝裂缝数据集上进行实验评估,并与现有的多种目标检测神经网络进行对比。结果表明:该文所提方法具有速度快、精度高、参数少的特点,且明显优于经典目标检测算法。因此,该文所提方法能满足混凝土坝裂缝检测高效、精确、实时的要求,可为混凝土坝裂缝检测提供技术支持。

提出一种融合梯度幅值和置信度的鸡蛋裂纹检测新方法。采集褐壳鸡蛋的裂纹图像，运用提及边缘检测算法获取感兴趣区域图像，采用最大边界算法挑选边界轮廓，融合二者获取裂纹区域图像。对３种典型鸡蛋裂纹图像进行边缘检测新方法与传统边缘检测算子（Ｌｏｇ算子、ＳｏｂｅＬ算子及Ｃａｎｎｙ算子）对比试验，结果表明：融合梯度幅值和置信度的鸡蛋裂纹检测新方法能够克服固定阈值适应性较差的缺陷，提高检测准确率，在消除噪声、增强弱边缘信息方面优于传统边缘检测算子。

提出了一种基于NDVI植被指数计算的改进分水岭分割方法.利用该方法对原始无人机多光谱遥感影像进行波段甄选、NDVI指数计算、形态学滤波等预处理,得到树冠的显著性区域图像;再利用彩色向量空间梯度算法计算显著性区域图像的梯度,从显著性区域图像中提取树冠的顶点及其范围作为标记,加到梯度图像上;最后采用基于标记控制的分水岭算法对树冠层进行分割.结果表明,该算法能够有效去除输电线路等背景区域的影响,算法样本精度达到88.3%.

探地雷达图像中识别林木根系的重要依据是双曲线回波特征。通过分析精确检测到的林木根系探地雷达图像中的双曲线,提出了目标曲线检测的改进方法。该方法包括2个方面的内容:1)基于探地雷达图像具有子波频率信息的特殊性,提出了一种基于梯度幅度的感兴趣区域(ROI)提取方法,为了使梯度幅度图中双曲线特征更为突出,对普通梯度法进行了微分取值方式的优化,实现了双曲线的快速提取;2)对提取出来的ROI进行Hough变换以检测双曲线,通过位置信息与幅度信息综合投票提高原始Hough变换的精确度,去除背景杂波等虚假目标,从而实现目标双曲线的精确提取。

提出了一种基于灰度直方图检测木板材表面缺陷的方法。对图像以4×4像素块作25级灰度直方图分析,根据灰度直方图统计中是否有颜色突变来判别木板材是否存在缺陷。缺陷图片在直方图中表现出双峰特征,利用次波峰确定缺陷部位,但判别时应排除杂色与纹理因素的干扰。比较次波峰与主波峰的值来消除木材杂色所产生的影响,即当差值大于1/10时,次波峰代表缺陷颜色。与此同时,借助于直方图修正排除纹理因素造成的干扰。该方法能有效地识别缺陷图像与正常图像。

地裂缝需要被持续监测，但是地裂缝探测仍需人工实地勘探，因此自动地裂缝提取具有重要意义。为此，该文提出一种深度学习模型，利用无人机影像自动提取地裂缝，该模型针对地裂缝相对其他地物具有细长结构的特征，设计了地裂缝提取网络；针对人工准确标注地裂缝蜿蜒曲折的形态费时费力等特点，设计了一种弱监督的方法对人工标签进行优化，改善人工标签不准确的情况。利用朔州市平鲁区无人机影像验证方法有效性，实验结果表明：地裂缝能被有效提取，召回率达91.4%，并利用提取的地裂缝生成了地图产品，可用于辅助区域内地裂缝风险警示和成因分析。

针对遥感图像中的道路、村落、农田、山脉等目标物分割时存在过分割和欠分割问题,采用分裂Bregman算法和分水岭方法相结合的方法,给出了适合近地遥感图像的一种新的标记分水岭方法。该方法利用多尺度插值小波算子逼近图像分割变分模型中的图像表示函数;采用Split Bregman迭代算法对变分模型进行快速求解;将Split Bregman分割结果作为标记,采用分水岭方法对遥感图像进行精确分割,保证了标记总数无冗余。试验结果表明,采用较小的尺度尺寸参数(J=3)时,可准确分割出来具有开环特性的村落图像区域,而采用较

针对现有目标检测器存在的推理延迟、不稳定和高计算成本等问题，提出一种基于深度学习理论的创新算法RT-DETR(RT-DETR-L)，实现了对钢轨表面伤损的高效精细化检测。基于该算法设计的目标检测实验方案，去除了传统目标检测算法中的非极大值抑制（NMS）后处理步骤；引入了一个解耦单尺度内部交互和跨尺度融合的高效混合编码器；提出了一种Io U-aware初始化对象查询机制，并重新定义了目标函数。实验结果表明，该方案能有效提高算法在检测钢轨表面伤损时的准确率和召回率，在检测剥离掉块、疲劳裂纹、接头方面表现出色，准确率分别为95.1%、93.8%和99.5%，检测速度为8.62ms/帧，参数量仅为4.2M。该研究成果能够为钢轨养护维修提供一种准确高效的检测方案。

全现浇钢筋混凝土楼屋面板的裂缝,是目前较难克服的质量通病之一,特别是住宅工程楼板的裂缝发生后,往往会引起的投诉、纠纷以及索赔要求等。现结合我公司十多年来大量施工实践中的经验和教训,以及裂缝的防治处理,重点介绍以施工为主、兼顾设计和材料原因分析楼面裂缝的综合性防治及具体措施。一、设计中的重点加强部位从住宅工程现浇楼板裂缝发生的

为了保证路面质量和行人与驾驶员的安全,提出了一种利用传感器时序多变量信号数据进行路面异常检测的算法.针对行驶过程中需要结合多种传感器信号在不同尺度对路面特征进行分析的问题,提出结合小波卷积网络和多通道网络技术,实现路面异常检测.首先,在多级小波变换间加入卷积神经元网络,从多个尺度分析单个传感器信号的局部连续性;然后,构建多通道神经网络,将多个传感器信号分别作为不同通道的输入,计算多个信号相结合的特征向量;最后,使用多层感知机根据多通道小波网络的输出实现路面异常检测.实验结果表明,该检测算法相对于传统的时间序列分类方法,同时考虑了多尺度分析、信号局部连续性和多变量信号的结合,在分析多变量时序信号数据时,具有更低的误检率和漏检率,更高的F1值.