基于人工智能机器视觉技术的古建筑表层损伤检测

21世纪以来,在大数据和GPU加速训练的支持下,以深度学习为核心的人工智能技术迅速发展,并在多领域得到了广泛应用。与此同时,随着国民经济实力和文化素质的不断提升,国家对于古建筑的保护也愈发重视。然而在长期自然及人为因素的共同作用下,古建筑难免会受到不同程度的损伤,这些损伤在很大程度上表现在结构的表层,如裂缝、酥碱、剥落、倾斜、空鼓等。因此,对这些表层损伤实施快速和高效的识别和定位,为后续的诊断和修复工作提供指导具有重大意义。目前国内对于古建筑表层损伤的检测主要为人工方法,即通过目测和借助专业的设备完成工作。然而人工方法效率不高,且需要较强的专业性和经验因素。为解决该问题,文中提出了一种基于人工智能方法的古建筑表层损伤检测技术,通过获取大量具有多类损伤古建筑的表层图像样本并进行人工分类,使用卷积神经网络对样本进行训练,得到一个用于识别损伤的分类器并验证其准确性。分类器成功建立后,使用滑动窗口算法对结构表层图像进行测试,从而完成损伤的定位工作。最后提出了众包式检测的思想,通过调动公众来收集训练样本,达到提高效率,节约成本的目的。