基于相位编组法的路面裂缝自动识别

研究了基于数字图像处理技术的路面裂缝自动识别方法,给出了基本的系统组成及工作原理。通过对路面裂缝图像的分析,对比了各种图像增强算法的特点和适应性;结合路面裂缝图像的随机性和目标、背景变化复杂的特点,指出传统方法中仅仅利用灰度变化的幅度作为局部边缘提取的主要度量是存在问题的。提出采用相位编组法进行裂缝提取,并在现场采集大量的图像尝试进行实例验证。结果表明:相位编组法有利于检测出有弱对比度的裂缝,并可以检测到细小裂缝。

基于深度学习的电成像测井裂缝自动识别方法初探

电成像测井技术将井剖面地质情况直观、细致地呈现出来,是我们深入了解地下情况的最有效测井资料之一.近年来,深度学习在图像分类等方面大放异彩,将其引入到电成像测井裂缝自动识别中来,意义非凡.文章先通过数值模拟生成电成像测井裂缝的图像,之后在DIGITS可视化深度学习框架下,利用AlexNet网络进行裂缝自动识别模型的训练,定性地对电成像测井裂缝的图像进行分类.通过对识别结果的分析,得出该模型对斜交裂缝和高角度缝的识别效果很好,对水平缝和低角度缝的识别效果较好,对实际的电成像测井裂缝也具有一定的识别能力.

基于数字图像处理的路面裂缝自动识别与评价系统

公路是完成交通运输和沟通各地区之间联系的重要经络,但是受到自然因素和外力的作用,会对公路的质量造成一定程度的影响,很容易造成路面裂缝,这就提出了一种基于数字图像处理的路面裂缝自动识别与评价系统,以便能够更加快速和准确的确定出路面裂缝的程度,并制定出适当的处理方法。以下,将对此项技术的结构、原理,以及提高系统处理质量和水平的关键技术进行简要的分析。

桥梁混凝土结构表面裂缝自动识别技术研究

为了满足桥梁检测发展的需求,提高混凝土结构表面裂缝的识别精度,基于既有图像预处理技术,提出一种新的裂缝提取及宽度计算方法。在图像预处理基础上,通过裂缝连接保留细小裂缝,将裂缝区域当作连通区域,根据裂缝特征参数过滤虚假裂缝,提取真实裂缝;寻找裂缝区域的交叉点,通过交叉点将整个裂缝区域划分成多个小裂缝,将小裂缝的最小外接矩形分割成多个小矩形区域,计算小矩形区域中裂缝特征参数,得到裂缝宽度。以混凝土试件重力加载形成的表面裂缝为对象,改变相机拍摄距离与拍摄倾斜角度获取裂缝图像,应用该方法计算裂缝宽度,并与裂缝观测仪的测量结果进行误差对比分析。结果表明:该算法裂缝识别率高、检测误差小,裂缝检测误差随拍摄距离或拍摄倾斜角度的增大而增大;为了满足实际工程的需要,采集裂缝图像时,拍摄距离最好保持在1m以内,倾斜角度尽量不要超过15°。

用Mean Shift实现路面裂缝损伤自动识别与特征测量

针对道路裂缝损伤检测效率较低、安全性较差、数据标准化不够等实际问题,提出一种非监督方法来实现路面裂缝自动识别与特征测量.首先采用分开-合并方法分割图像,将图像划分为较小的图像块,采用均值漂移方法对图像块进行平滑与分割迭代处理,并将分割图像块合并;然后采用均值漂移方法分2种策略定向跟踪裂缝像素提取裂缝骨架,并对裂缝骨架内插得到完整裂缝,同时计算裂缝形态参数,实现裂缝形态特征测量.实验结果表明,该方法可以对裂缝进行高效识别与准确测量.

路面裂缝自动识别与测量

为了提高道路裂缝损伤检测效率,保证检测工作的安全性,加强检测数据的标准化建设,研究了路面裂缝自动识别与测量方法。通过分析既有方法的缺陷,提出采用均值漂移技术的图像平滑与分割方法,初步分割候选裂缝,采用定向跟踪方法提取裂缝骨架;基于裂缝骨架内插得到完整裂缝,完成裂缝自动提取与编码;最后将裂缝骨架分段,精确计算裂缝形态参数,实现裂缝形态完整测量。研究结果表明:该方法对路面粗糙度和裂缝方向不敏感,可以识别较细小裂缝,裂缝识别的定位精度达到0.5个像素以下,裂缝长度的相对误差小于2%,具有较高精度和可靠性。

面向对象方法的路面线性裂缝识别与测量方法研究

研究面向对象图像处理技术的路面线性裂缝自动识别方法。分析传统方法的缺陷,提出采用面向对象技术分析对象的几何特征(极限误差理论、扁率、方向、面积)约束条件,实施串行滤波筛选候选对象,实现路面线性裂缝的自动识别,并自动计算裂缝的长度与宽度。试验结果表明,该方法具有较高的稳定性和有效性。

汶川科钻WFSD-3孔裂缝响应特征及识别方法

汶川科钻WFSD-3孔位于四川省绵竹市九龙镇境内,该孔测井资料齐全,钻遇裂缝种类丰富、特征明显,是研究裂隙识别方法和地应力场分布的理想对象。从成像测井出发,通过汶川科钻WFSD-3孔的测井资料研究常规测井识别和提取裂缝的方法,总结了不同种类的裂缝在成像测井中的响应特征,然后分析了对应深度处裂缝在常规测井的响应特征,再根据各参数对裂缝的敏感度优选出裂缝识别参数来构造判别函数进行裂缝自动识别。结果表明,声波测井AC、密度测井DEN、补偿中子测井CNL、微球形聚焦测井RMSL、三孔隙度比值RP、岩石结构指数m和地层因素比值FRP在裂缝处响应明显,其中,声波测井AC、密度测井DEN对低角裂缝尤为敏感,由它们构成的判别函数识别正确率为86.67%,具有较好的应用效果。

基于全卷积神经网络和朴素贝叶斯数据融合的桥梁裂缝识别算法

混凝土桥梁常年遭受气候、环境等方面的影响而容易产生裂缝,存在安全隐患,因此定期检测与维护桥跨结构对于评估桥梁健康状况非常重要,而且早期的检测和评估是混凝土桥梁修复的最佳机会。为解决传统的基于视觉特征的缺陷检测方法速度较慢且精度较低,很难满足工程施工需要的问题,提出了一种新的基于全卷积神经网络和朴素贝叶斯数据融合模型的混凝土桥梁裂缝自动识别算法,用于裂缝图像分割。首先,采用一种新型的高精度图像采集设备BSD-10从10座待检测桥梁的不同子结构中收集了不同光源和距离下的7200幅图像,并通过滑动窗口、旋转以及拆分的方法来扩增数据集,以避免发生过拟合等问题。其次,通过图像旋转法和随机高斯变量法等技术扩增数据,搭建了裂缝数据集。接着,对模型进行大量多次迭代训练,得出了最优参数和迭代次数。最后,对裂缝进行骨架化处理,通过电子测距计算了裂缝长度和宽度。结果表明:与最新的算法相比,所提出算法的识别精度与计算时间均体现了较明显的优势,其精确度达到了97.96%,平均检测时间为1.61 s;即使在光照不均匀、各种噪音干扰、背景灰度水平不同的情况下,所提出算法的裂缝提取结果仍然是比较稳定的,裂缝长度和宽度误差小到足以满足工程要求,能够节省工程检测时间。