APP下载

基于可见光视觉图像的路面裂缝识别深度学习方法述评*

2022-04-21卢凯良

计算机工程与科学 2022年4期
关键词:特征检测

卢凯良

(江苏自动化研究所,江苏 连云港 222061)

1 引言

结构裂缝(或称裂纹)不可避免地广泛存在于土木建筑、交通运输和工程机械等诸多行业的各类建造物、结构、零部件或制品中。针对工程结构中的裂缝检测或监测技术手段主要有:(1)无损探伤技术[1,2],包括射线探伤(如CT)、超声波探伤(如声发射[3])、电磁涡流探伤、磁粉探伤和渗透探伤等。无损探伤技术适用于表面、近表面和内部裂缝等全场景,测量精度高;但其是一种主动探测技术,需要发射和接收检测物理介质并可能依赖于耦合介质,因此相应的检测设备通常较为复杂,且价格不菲。(2)结构健康监测技术[4],包括基于应力应变信号和基于振动信号等。该技术借助于预先布置的传感器采集并分析时间历程信号,对结构有无裂缝进行识别,因是间接测量方式,对内部裂缝的识别和定位精度尚需提高。(3)非接触式检测技术,包括红外、激光和超声检测[1 - 3]以及基于可见光视觉图像的检测[5 - 18]等。非接触式检测技术与前2类技术相比,无需与被测对象直接接触,具有不受被测对象的材质限制,检测速度快,易于实现全自动检测等优点,不足之处是目前仅用于检测表面裂缝。

基于视觉图像的表面裂缝识别具有非接触式检测的全部优点,物理介质是可见光,无需发射或能见度差时只需补光光源,整个检测系统成本优势明显。借助于传统手工设计特征工程(Hand- crafted Feature Engineering)、机器学习(Machine Learning)和深度学习(Deep Learning)方法,基于图像的识别技术可以实现裂缝定性、定位、定量各个层次的目标:(1)判断有无裂缝,可视为分类(Classification)问题;……

登录APP查看全文

猜你喜欢

特征检测
如何表达“特征”
不忠诚的四个特征
小波变换在PCB缺陷检测中的应用
线性代数的应用特征