一种基于标签及图像合成技术的桥梁病害识别方法.pdf
努力****弘毅
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于标签及图像合成技术的桥梁病害识别方法.pdf
本发明公开一种基于标签及图像合成技术的桥梁病害识别方法,属于计算、推算或计数的技术领域。该方法:获取少量桥梁病害的图像,并使用图像标注工具标注病害的语义信息,获取病害图像标签;对病害图像和病害图像标签进行掩膜运算获取病害的前景图像;获取桥梁无病害图像;利用掩模运算后的少量病害前景图像和无病害图像大量合成桥梁病害图像,并通过记录图像合成位置的方法生成图像的标签数据;运用合成的图像数据和标签信息训练基于深度学习的病害分割网络。本发明利用少量的标注数据和一些无病害数据大量地合成具有像素级标注的桥梁病害图像,降低
一种基于深度学习的桥梁病害识别方法.pdf
本发明公开了一种基于深度学习的桥梁病害识别方法,所述方法包括:S1、选取不同的桥梁结构表面病害图片作为训练样本;S2、对所述选取的样本使用Adam优化算法进行模型训练;S3、调整训练集约验证集组合,选择表现最佳的模型;S4、将所述最佳模型应用与实际工程测试,结合多尺度滑动窗口,完成桥梁病害识别的工作。本发明通过迁移学习技术,迁移训练AlexNet卷积神经网络,构建了桥梁结构表面病害自动识别模型,可快速识别裂缝、缺损、锈蚀三种桥梁结构表面病害,提高桥梁病害检测类型的多样性,更好地满足桥梁日常运维的需求。
基于深度学习语义分割的桥梁病害图像像素级识别方法.docx
基于深度学习语义分割的桥梁病害图像像素级识别方法摘要本文基于深度学习技术提出了一种用于识别桥梁病害图像中的像素级别的方法。利用该方法,我们可以有效地实现在大规模桥梁病害图像集合中对各种病害的准确识别、分类以及像素级别的精确标注。本文主要介绍了该方法的设计思路及实现过程,并针对实际数据集进行了大量的实验验证。实验结果表明,该方法的准确率高、速度快,可以在一定程度上提高桥梁病害图像识别的自动化程度和准确性。关键词:深度学习;语义分割;桥梁病害;像素级别识别;图像识别绪论随着城市化进程的不断加快,桥梁建设成为了
一种基于多光谱图像的果树病害识别方法及系统.pdf
本发明公开了一种基于多光谱图像的果树病害识别方法及系统,属于果树病害检测技术领域,利用无人机搭载多光谱相机获取果树冠层多光谱图像,得到病害数据集;将RGB图像、RED图像、GRE图像和NIR图像融合生成融合图像;选取最优算法,建立病害识别分类模型;将模型载入APP,得到移动应用程序,识别用户上传的果树冠层病害图像,得到识别结果。本发明通过图像中包含的多光谱信息,提高检测的准确性,使整套流程中的果树病害识别模块得以最优实现。
基于图像处理技术的桥梁病害检查和裂缝测量研究.docx
基于图像处理技术的桥梁病害检查和裂缝测量研究基于图像处理技术的桥梁病害检查和裂缝测量研究摘要:随着交通建设的迅速发展,桥梁作为重要的交通设施之一,承载着大量的交通流量。然而,由于长期运行和外界因素的影响,桥梁存在着各种病害问题,特别是裂缝问题,给桥梁的安全运行带来了严重的威胁。因此,利用图像处理技术进行桥梁病害检查和裂缝测量已成为当前研究的热点之一。本文基于图像处理技术,介绍了一种桥梁病害检查和裂缝测量的方法,并通过实验验证了该方法的准确性和可行性。关键词:图像处理技术;桥梁病害检查;裂缝测量1.引言近年