- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于布里渊散射分布式光纤传感器检测结构微裂缝的深度学习方法
摘要： 基于布里渊散射（BS）的分布式光纤传感器（DOFS）通过监测结构全段的应变实现分布式传感功能。大尺寸裂缝（如具有较大裂缝张开位移COD的裂缝）可通过分布式传感器测量长度上的应变峰值或奇异点被检测到。微裂缝在分布式应变测量长度上不会呈现明显的局部峰值。由于布里渊散射系统信噪比（SNR）较低，对应微裂缝的峰值会淹没在测量噪声中。深度学习（DL）方法有望从低信噪比数据中自动提取特征表征，从而提升基于布里渊散射的分布式光纤传感器的裂缝检测灵敏度。所提出的深度学习方法开发包括模型架构构建、训练算法设计和检测流程设计。本研究搭建并采用了一根含人工缺陷的15米长宽翼钢梁，通过全面的实验方案对所提深度学习方法的泛化性进行训练、验证和测试。实验结果表明，该方法能从分布式应变中提取高度可辨的微裂缝特征，并将裂缝引起的局部峰值与噪声区分开来。本工作准确检测到了裂缝张开位移小至23微米的微裂缝。
关键词： 结构健康监测、光纤传感器、布里渊散射、裂缝检测、深度学习
更新于2025-09-19 17:13:59
-
基于对象的激光扫描三维轮廓数据裂缝检测与属性提取
摘要： 三维路面数据中的裂缝常表现出连续性差、对比度低及深度不一的特征，这给相关应用带来巨大挑战。近期，裂缝属性（如深度和宽度）因其在公路养护决策中的重要性受到交通部门关注，但针对裂缝属性的研究仍较为有限。本文提出一种基于目标图像分析（OBIA）的方法，用于从高程精度约0.25毫米的激光扫描三维剖面数据中检测裂缝并提取属性。首先应用我们前期研究设计的路面组件高通滤波器消除三维数据中的起伏姿态，继而采用最小恒虚警率算法获取包含裂缝种子及低纹理的下层点集；其次通过上述三维点集构建目标对象并实施OBIA分析，重点描述目标的深度统计特征、形态及拓扑特性；此外，根据对象局部统计特征差异，采用多尺度目标筛选与合并策略逐步强化裂缝对象并抑制纹理对象；最后结合目标方向属性与张量投票技术连接推断最终裂缝对象，进而提取对象级裂缝深度属性。实验结果表明：该方法在30组实测三维沥青路面数据上实现平均缓冲豪斯多夫评分为94.39、召回率0.92及F值0.91的裂缝检测效果。此外，可根据需求多尺度提取裂缝深度属性，所获位置与深度信息为路面养护提供了更全面的决策依据。
关键词： 激光扫描三维、裂缝检测、裂缝属性、张量投票、面向对象图像分析
更新于2025-09-12 10:27:22
-
[2018年IEEE第三届图像、视觉与计算国际会议(ICIVC) - 重庆(2018.6.27-2018.6.29)] 2018年IEEE第三届图像、视觉与计算国际会议(ICIVC) - 混凝土桥梁结构远距离裂缝定位与检测方法
摘要： 为提高混凝土桥梁结构裂缝检测效率，本研究提出一种基于计算机视觉技术与坐标映射的新方法。该裂缝测量系统主要集成高倍率图像采集系统、二维电动云台装置和激光测距系统，构建了一套观测坐标系。首先将标记点的图像坐标映射至观测坐标；其次根据标记点的观测坐标，将被测裂缝坐标统一映射至同一世界坐标系，从而实现不同测试周期或仪器架设位置下被测裂缝的空间定位，极大便利了混凝土桥梁结构表面裂缝的复检工作。实验表明该方法高效便捷，可在16秒内自动定位被测裂缝，偏差不超过±0.07°；在100米距离下，裂缝宽度测量精度优于±0.12毫米。
关键词： 长距离、裂缝定位、计算机视觉、空间坐标映射、裂缝检测、混凝土桥梁结构
更新于2025-09-11 14:15:04
-
[2018年IEEE第三届图像、视觉与计算国际会议(ICIVC) - 重庆(2018.6.27-2018.6.29)] 2018年IEEE第三届图像、视觉与计算国际会议(ICIVC) - 泰国壁画图像裂缝检测与修复方法
摘要： 泰国壁画是世界重要的艺术遗产。然而，历史的侵蚀导致许多壁画出现褪色、污渍和划痕。如何修复泰国壁画已成为一个紧迫的问题。利用计算机图像修复技术模拟并消除壁画中的缺失像素，从而获得美观完整的壁画，是一个重要的科学问题。本文提出了一种结合划痕检测流程与基于模型优化的修复流程的计算机辅助半自动修复框架。为此，我们提出了一种半自动划痕检测方法：由用户提供少量种子点，随后通过区域生长法与形态学运算计算划痕位置；之后采用不同变分修复方法实现缺失区域的像素填充与色彩还原。实验表明该方法具有有效性。
关键词： 种子区域生长、泰国壁画、图像修复、图像复原、裂缝检测
更新于2025-09-10 09:29:36
-
基于混合模型的混凝土表面裂缝图像属性检索方法框架
摘要： 定期检查混凝土表面裂缝至关重要，因为裂缝是混凝土结构劣化的最早征兆之一。随着数字成像与处理技术的进步，基于计算机视觉的检测方法在该领域展现出巨大潜力。本文提出了一种新型图像处理框架，可自动从混凝土表面图像中提取多种裂缝特征参数。该框架包含：(1)结合边缘检测与种子生长的裂缝提取算法；(2)包含短枝删除与折线逼近算法的骨架优化方法；(3)基于骨架拓扑信息将裂缝段分类为盘状与条状部分的混合裂缝模型；(4)能表征不同裂缝间关联关系的三元组标记法。对比实验表明，所提分割方法能提取更完整的裂缝片段。真实图像实验验证了该框架的有效性，对后续混凝土结构健康评估具有重要辅助作用。
关键词： 混合模型、图像分析、裂缝检测、特征提取、混凝土
更新于2025-09-10 09:29:36
-
[IEEE 2018年第24届国际模式识别会议(ICPR) - 中国北京 (2018.8.20-2018.8.24)] 2018年第24届国际模式识别会议(ICPR) - 一种应用于图像匹配的阈值快速局部分析方法
摘要： 关键结构提取与匹配是计算机视觉中的核心步骤。许多应用领域需要大规模图像采集和精细结构的快速提取。本研究聚焦于现有局部特征提取器在精度和处理时效性两方面均表现欠佳的场景，例如弱对比度图像中的短线提取。我们提出了一种新型快速局部阈值分析方法（FLASH），专为严格时间约束下的大规模图像处理而设计。该方法以"微线"点作为关键特征，用于形状重建（如线条）和局部特征签名设计。我们将FLASH应用于混凝土基础设施监测领域——该领域正日益采用机器人和无人机进行自动化缺陷检测（如裂缝识别）。针对大面积混凝土表面，存在计算时效性和可靠性等严苛约束条件。结果表明：在图像匹配计算速度上，本方法优于多种现有算法；且FLASH具有旋转不变性、部分遮挡鲁棒性，在0.7至1.4尺度范围内无需尺度空间搜索即能保持稳定。
关键词： 混凝土基础设施监测、裂缝检测、计算机视觉、特征提取、FLASH、图像匹配
更新于2025-09-04 15:30:14
-
裂缝检测的前景-背景分离技术
摘要： 目前针对关键基础设施资产的二级状态评估方法大多依赖人工目视检查结构表面可见的损伤和纹路，这种方法在实际操作中往往成本高昂、耗时且主观性强。本文提出一种通过纹理背景显著结构提取的新型裂缝检测方法：首先在局部邻域内提取强边缘并将其与强纹理区分；随后通过估算纹理特征的空间分布来检测裂缝——这些裂缝作为未在整个图像中广泛分布的显著结构被识别。将这两个关键步骤的输出融合计算最终的结构显著性图，从而生成裂缝掩模。该方法在包含704张图像的数据集上验证显示，其混凝土裂缝检测的平均f值达到75%，显著高于另外两种基线方法。
关键词： 显著结构提取、裂缝检测、前景背景分离、纹理背景、图像处理
更新于2025-09-04 15:30:14