相控阵超声成像法检测装配式钢筋混凝土叠合板构件缺陷研究

为了验证相控阵超声成像法对钢筋混凝土叠合板构件内部混凝土缺陷检测的准确性及可靠性,本文设计制作了2块叠合面预埋人工缺陷的装配式钢筋混凝土叠合板试件,利用相控阵超声成像检测技术对其进行缺陷检测。试验结果表明,相控阵超声成像法可以识别叠合层明显的胶结不良、内部孔洞等缺陷。本文的研究结果为装配式钢筋混凝土叠合构件内部缺陷检测提出了一种新方法,具有较好的推广和应用前景。     

基于多特征融合的电压致热型设备故障检测

大部分的电压致热型设备由于温升不明显,故障判断难度较大,并且红外图像受到背景复杂,尺寸多的影响,导致红外图像特征提取困难,另外,大多数现有的检测工作依靠人工判别,且存在判断分歧。目前,代替人工判别的研究中,许多只利用单一的特征来表征热图像中的故障特征。针对此类问题,笔者提出一种基于多特征融合的电压致热型设备故障提取方法。此方法将红外图像多故障目标检测算法和多特征融合算法相结合,建立动态决策准则。首先提取红外图像的三种典型特征,包括颜色、纹理和轮廓特征,继而通过融合算法(串行融合、并行融合和DCA)将三种不同属性的故障特征进行融合,充分地提取设备红外图像的故障特征,从而提高识别的准确性。验证表明,相对于某一低层特征故障提取,本研究的方法在电压致热型设备红外图像故障诊断特征提取方面,不仅保证时效性的同时,红外图像故障分类精确度得到了提高,分类更加可靠。     

车道线实时视频流图像实时检测仿真研究

针对传统车道线检测算法复杂,误检测率低,鲁棒性差等缺点,在电动试验车平台上,构建了车道线检测的硬件平台,为车辆智能驾驶系统提供可靠的车道引导信息,在对车道线检测方法分析的基础上,提出了一种能够根据实时视频流快速准确提取车道线的算法.首先对图像进行分块处理,去除掉与道路无关的区域,缩短数据处理时间,然后对图像进行灰度处理、双边滤波滤除高频噪声,再用最大类间差分(OTSU)方法得到二值图像.应用改进Hough变换检测出车道线.实际图像测试结果表明,此算法能快速准确地检测出车道线,较传统算法有更强的准确性和实时性.     

基于深度学习的公路隧道表观病害智能识别研究现状与展望

公路隧道服役过程中会产生诸多衬砌病害,其会影响隧道的结构耐久性与运营安全性,对隧道表观病害进行高效智能化识别至关重要。常用的人工巡检方式效率低下且准确率低,而基于深度学习算法进行表观病害智能识别能提高检测的效率和准确性,相较于传统方法而言在实际隧道工程中具有更好的应用前景。利用深度学习可以学习隧道病害的特征信息,有利于未来隧道病害识别智能化的发展。简述深度学习在隧道表观病害识别中的应用原理,从人工拍照方法、数字图像采集和激光扫描技术三方面介绍病害图像的采集,从标注软件和数据增强方法总结数据集的构建和扩充方法,在图像分类、目标检测、语义分割三方面总结深度学习算法在隧道病害检测的应用现状,归纳当前应用的不足之处,最后分析与展望深度学习在隧道表观病害智能化识别方向广泛应用需要研究的问题与方向。     

基于图像处理的茶叶害虫智能识别方法研究

针对人工方法识别田间茶叶害虫需人工深入田间,不仅劳动强度大,而且无法自动定位与识别,不利于茶叶植保时施药的机械化、高效化及智能化的问题。本研究对基于图像处理技术的茶叶害虫智能识别技术及实现方法进行了研究。首先,建立覆盖茶园中各种情况的害虫样本图像库;其次,对样本图像和待识别图像进行图像预处理;接着,对待识别图像进行害虫自动定位;然后,对其进行特征提取获得特征数据;最后,采用模式识别算法设计分类器并训练获得分类器模型,再采用该模型进行害虫智能识别。本研究对各步骤进行了阐述,为茶叶害虫智能识别的实现提供了方法指导,以促进茶叶植保实现施药的机械化、高效化及智能化。     

基于声呐成像的水下桩墩表观病害深度学习与智能检测

声呐成像检测水下桩墩表观病害时，其图像与光学图像的病害特征存在较大差异，病害的位置和类型需要人工识别且易出错。为解决这个问题，提出基于声呐成像的水下桩墩表观病害深度学习与智能检测方法。首先对水下实桥桩墩以及试验模型进行声呐扫描获取大量图像，并分析声呐图像中的病害特征；然后对Faster R-CNN框架下VGG16网络模型进行改进，采用水平、垂直等线性变换实现原始声呐图像的数据增强，对深度学习模型进行近似联合优化训练，用一定概率保证率的矩形识别框实现水下桩墩多类病害的分类定位；最后选取150幅未参与训练的声呐图像进行识别，验证所提出方法的有效性，并通过混淆矩阵、精确率、召回率、准确率以及F1值等评价指标对识别方法性能进行研究。研究结果发现，桩墩孔洞、剥落和位移等病害以及无病害类型的识别结果的总体准确率为88.3%，F1值分别为90.1%、84.9%、78.7%和94.6%，平均F1值为87%。这说明该方法在水下桩墩表观病害识别、定位以及自动化处理方面是可行、有效的，为桥梁水下桩墩表观病害的图像处理、智能化检测与桥梁安全评估提供技术支撑。     

混凝土结构缺陷的雷达检测方法研究

介绍了探地雷达技术在混凝土结构无损检测中的应用原理,针对混凝土结构中钢筋干扰下缺陷雷达图像识别这一难点,制作了无钢筋和有钢筋的缺陷混凝土板,进行对比试验研究,得到了孔洞、裂缝、不密实等缺陷在无钢筋和有钢筋情况下的雷达波图像典型特征并做出识别,同时对注水后裂缝进行针对性试验.并将该方法应用到实际工程缺陷查找中,经取芯验证,雷达图像异常特征与缺陷实际位置吻合较好,取得了良好效果.     

基于图像识别与智能算法的绝缘子故障检测方法研究

针对以传统人工方式巡检电网工作效率低、危险性高、成本大,而现行基于图像处理技术的自动巡检方案针对性差、识别精度低的问题,本研究基于图像识别技术及相关算法,提出了一种针对绝缘子缺陷、爆裂故障的检测方法.该方法借助形态学滤波、Otsu方法、Snake模型、免疫遗传算法、椭圆拟合以及连通区域等技术,对绝缘子图像进行预处理、轮廓提取和数目计算,从而实现对绝缘子故障的精确检测.实际测试与分析结果表明,该方法能够较好地识别绝缘子故障,识别准确率能够达到98.5％,且具有理想的识别速度.     

低应变动测信号采集和信号分析问题的探讨

根据应力波的动力学和运动特征,结合施工工艺和大量的检测结果,对桩身浅部的断裂、裂缝、孔洞、夹泥、桩头疏松等异常信号进行判断,并对信号采集及信号分析常遇的问题进行了研究和讨论,以期提高检测结果的准确性。     

基于图像型的火灾烟雾检测技术研究

为了提高基于图像型火灾烟雾检测的准确性和实时性,提出了一种基于支持向量机的火灾烟雾检测方法。首先对图像进行增强处理,再通过累积差分法对运动区域进行检测,再基于烟雾的扩散性,对烟雾和干扰源进行初判,然后对提取的目标区域进行特征提取,最后基于支持向量机对烟雾和干扰源进行分类检测。仿真实验结果表明,该方法具有较好的鲁棒性和较高的识别率。