一种基于图像的隧道表面裂缝波折程度量化参数获取算法

隧道衬砌表面裂缝的外部形态各异,为了全面地量化隧道衬砌表面裂缝的不平整度,本文提出了一种宏观与微观相结合多尺度量化波折程度的方法。该方法基于图像处理技术从采集图像中提取出裂缝轮廓曲线,使用最小二乘法拟合轮廓中线,自动提取出能反映裂缝宏观起伏的α参数和微观波折的Ra参数,将两个裂缝轮廓曲线量化参数相结合实现对隧道裂缝波折程度的精准评估。实验结果表明,这种宏观与微观相结合的方法能够有效量化裂缝的波折程度,为进一步合理评估衬砌表面开裂情况提供客观依据。

基于视觉大模型的哑资源异常识别方法

文章分析了哑资源巡检以及人工智能技术应用于运营商智能巡检的现状,并介绍了基于vision-transformer技术的Swin大模型。基于该模型的预训练版本,结合标注好的图像数据,完成了针对运营商哑资源分类检测的模型训练并评估了模型效果。展望了该模型的优化方向以及大模型应用于运营商场景的前景。

基于3D卷积神经网络的金属滚轮叶片转动计数算法设计与实现

近年来,基于计算机视觉的金属滚轮叶片缺陷检测算法应用越来越广泛,由于周期性检测的原因,需要有一种与之配套的滚轮叶片计数算法,由于检测过程中孔探仪的辅助光源对叶片表面镜面反射的原因,传统的基于边缘的检测算法难以实现有效的计数,因此需要设计一种与光照无关的算法。基于此,本文设计了一种基于3D卷积神经网络的金属滚轮叶片转动计数算法。本算法首先将单个金属叶片转动过程标注上相位标签,将单个金属叶片的转动过程映射为相位的周期变换过程,为了满足利普希茨条件,将相位标签转换为该相位对应的三角函数值标签。其次利用LK光流法将标注好的数据进行预处理,将叶片的转动方向归一化到水平方向。最后再将预处理好的数据送入3D卷积神经网络中回归出相位信息,通过相位信息完成对叶片的转动计数。本文算法使用滚轮叶片在实际场景种采集到的数据进行验证,验证结果表明,该算法在真实现场数据上的计数准确率满足要求。