信息化大数据模型的道路裂痕识别和分析

针对市政工程出现的路面裂缝带来的安全隐患问题,采用基于智能摄像机的图像采集技术实现市政道路异常数据信息的获取。通过改进型CLAHE算法对采集到的图像数据信息进行处理,对获取的裂缝图像进行灰度计算,提高了图像识别能力。通过构建新型DE-BP神经网络算法模型,实现道路数据信息的异常故障诊断与分析,大大提高了市政道路裂痕判断能力。实验表明,本研究的方法大大提高了裂缝图像识别的准确率,增加了市政建设的管理能力。

基于三维点云数据的沥青路面裂缝识别方法

针对沥青路面二维裂缝图像识别精度较低的问题,文中借助三维激光扫描技术,利用三维点云数据所提取的裂缝特征验证二维图像裂缝特征的准确性,同时将提取的三维点云数据裂缝指标用于深度学习的准确率提升,以此提高裂缝图像的识别准确率。首先将获取的高精度二维图像进行图像增加、去噪、分割、特征提取等,然后通过对路表三维点云数据进行分类、滤波、融合,重建沥青路面路表三维形态模型,实现沥青路面裂缝的高效高精度识别与裂缝特征参数提取,利用密集卷积神经网络(DenseNet)的裂缝图像识别算法对200张验证图像进行测试。结果表明,通过利用三维点云数据对二维图像进行辅助判别的方法,可大幅提高裂缝图像的识别准确率,具有良好的普适性。

Fracture detecting based on Ant Colony Algorithm

Image processing plays an important role in engineering treatment. The authors mainly introduced the feature recognition of borehole image process based on Ant Colony Algorithm (ACA). The most important geological structure-fracture on the borehole image was identified, and quantitative parameters were obtained by HOUGH transform. Several case studies show that the method is feasible.