基于卷积神经网络的马铃薯叶片病害识别系统

深度学习是图像处理领域的研究热点,为实现马铃薯叶片病害识别,达到及时防治的目的,采用深度学习理论设计病害识别系统,系统包括分层卷积神经网络识别模型、WEB服务器和手机端APP。基于Tensor Flow框架,搭建8层CNN+softmax分层卷积神经网络模型,自动学习到256个病害图像特征,采用softmax分类器识别病害,简单背景单一病斑识别准确率达到87%。在ubuntu上搭建Nginx Web服务器,应用Flask框架开发后台服务,基于vue. js开发手机端APP,实现手机采集、上传病害图像、获取病害结果等功能,为相关应用提供完整全栈式解决方案。

基于数字图像的高速公路路面病害识别系统研究

基于图像的公路路面病害自动识别与分类,一直是图像处理和模式识别领域的一项挑战性工作,其对公路养护工程具有很大的指导作用。本文探索路面各类病害的数字图像特性,研究基于图像的路面病害自动识别分类方法。

压缩感知在隧道病害识别中的应用研究

该文通过分析隧道病害识别的数据采集过程,提出关于压缩感知理论的隧道病害识别系统的数据采集方法。对采集的隧道病害识别图像进行小波变换,将隧道病害识别图像变换成易传输,数据量较小的图像数据,使用正交匹配追踪算法,以及小波逆变换对来自传输设备的隧道病害识别图像进行重建,并实现原始图像精确和近似重构。由仿真可知,压缩感知理论应用于隧道病害识别的数据采集传输过程,降低了传输数据量,并易于图像数据传输,且能以较小误差实现隧道病害识别的重构,同时有相应的硬件使用环境。从而为加快隧道的检测提供新方法。