基于零样本深度学习的码头表观剥落病害区域分割与定量计算

随着无人机与数字图像处理技术的发展,基于机器视觉的表面病害识别方法因具有安全与快速性,广泛应用于桥梁和道路等方面。由于码头剥落病害图像较复杂,目前该方法难以实现码头表观剥落病害的精确分割与定量分析。提出一种基于零样本深度学习模型SAM(Segment Anything Model)与图像透射变换矫正等技术相结合的码头表观剥落病害区域分割与量化计算方法。SAM算法能够有效克服混凝土剥落图像背景噪声多、灰度差异小的问题,分割方法精度更高、受噪声影响更小;进一步通过矫正、去噪、转换等图像处理操作,实现了对剥落病害关键几何特征的量化计算。经实验室模型与现场图像验证表明,新构建的方法泛化能力强、准确性高,能够实现对码头混凝土建筑表观病害的准确和快速检测,具有广泛的应用前景。