一种基于改进渗流模型的混凝土表面裂缝快速检测算法

由于混凝土表面不平整、光照不均、裂缝背景较为复杂等因素的干扰,传统的基于图像处理的裂缝检测方法对裂缝检测的效果不佳,尤其是不清晰和比较细小的裂缝。基于渗流模型的裂缝检测方法充分考虑了裂缝亮度低、形状较为细长的特点,对裂缝的检测效果很好,尤其是图像中的细小裂缝,但是该方法需要大量的处理时间。为了解决上述问题,提出了一种加速渗流处理的算法,该算法通过暗点预提取来减少渗流时需要处理的像素点个数,以此来减少渗流处理时间。实验结果表明,所提算法能明显加快渗流处理的速度,并且精确率基本保持不变。     

形态学与区域延伸相结合的图像裂缝检测算法研究

在复杂背景下,由于光照不均、混凝土气泡、阴影等噪声干扰,导致路面裂缝误检并存在不同程度的断裂。为了解决此问题并实现路面裂缝的精确检测,提出一种结合数学形态学和区域延伸的裂缝检测算法。该算法首先用形态学对自然条件下采集的路面图像进行预处理,并结合Canny边缘检测和形态学来对裂缝进行粗略检测,然后用区域延伸算法对裂缝进行精确检测,最后对检测裂缝进行后处理。实验结果表明,提出的算法能够对图像裂缝进行高效、精确的检测。     

基于知识的X光焊缝缺陷三维信息提取

介绍了一种焊缝Ｘ线图象缺陷三维信息提取的方法,一般在二维Ｘ线投影图上,会把沿射线方向的走向裂纹等缺陷当成气孔或夹渣,而且会忽略很薄的面积性缺陷（裂纹和未焊透）,还可能把表面凹坑看成内部气孔,但从三 来考察焊缝缺陷,不仅可避免上述问题,而且可为补焊提供深度信息,为焊接工艺分析提供帮助,因而三维缺陷自动检测技术将引起焊缝无损检测工艺革命性变化和带来巨大的经济效益,由于现场条件限制着投影图的数量,为了有     

图像纹理区检测及分割算法研究

图像纹理区是指在进行边缘检测时边缘分布相对密集,并存在一些伪边缘的区域。研究表明,现有的很多图像处理算法的误差集中在纹理区。图像纹理区分割的目的就是将这一区域分割出来以便对其采用不同的处理方法。本文提出了一种基于模糊增强的图像纹理区检测及分割算法。本文算法根据图像纹理区特点,首先增强纹理区像素对比度,并利用Canny边缘检测算法提高纹理区检测效果,最终实现了图像纹理区的准确检测和分割。     

基于直线段特征单元提取的隧道砼衬砌接缝去除算法

由于部分隧道砼衬砌表面图像中固有衬砌接缝与裂缝灰度值相似且线性一致,衬砌接缝处易产生起砂、空鼓、掉块及渗漏水,已有的裂缝检测算法提取单一的裂缝存在缺陷。提出基于直线段特征单元提取的隧道砼衬砌表面衬砌接缝去除算法。在裂缝聚类特征粗检测的基础上,首先通过改进的累计概率霍夫变换检测出显著的直线特征;然后利用像素点的延伸搜索计算来提取衬砌接缝可处理的最小直线段特征单元线;最后根据单元线标记信息及定区域内单元线特征去除部分衬砌接缝,并运用渗流去噪算法得到隧道砼衬砌表面真实裂缝。实验结果表明,提出的算法弥补了已有隧道砼衬砌表面裂缝检测技术的不足,能够精确、快速、有效地去除相似线性特征对单一的真实裂缝检测的干扰,具有较强的鲁棒性。     

沥青路面裂缝检测图像处理算法研究

针对经典图像处理算法对沥青路面裂缝的检测效果不佳,以及神经网络等智能算法不易实现的弊端,通过分析沥青路面的裂缝特性,提出了一种适用于沥青路面裂缝检测的图像处理新算法。该算法通过构造8个方向模板的Sobel算子对沥青路面裂缝进行检测,并结合迭代阈值分割算法和全方位膨胀形态学方法对边缘检测后的图像进行处理,能够很好地获得沥青路面的裂缝特性。最后,在VisualC 6.0编程环境下进行了算法实现。结果表明,裂缝边缘的连接和检测效果较好,为沥青路面裂缝的分析和管理提供了技术基础。     

基于空间聚集特征的沥青路面裂缝检测方法

沥青路面裂缝自动检测是制约公路养护科学决策的最主要瓶颈.针对现有裂缝检测算法在大规模应用特别是广地域、多路况等复杂环境下算法稳定性、可靠性及实时性等方面存在严重不足问题.本文在观察大量实际工程路面图像基础上, 对路面裂缝特征进行全新定义, 提出了一种基于空间聚集特征的沥青路面裂缝检测方法, 参考裂缝的空间分布、灰度、几何等特征, 以子块图像为处理单元, 采用逐步求精的策略对子块图像进行分割, 快速定位空间聚集区域, 再对聚集区域进行评估得到信度高的裂缝候选区域; 最后以裂缝候选区域为种子区域, 在准确估算裂缝发展趋势的基础上, 结合裂缝片段聚集及相似性等特性, 去除噪声同时合并连接断裂的裂缝, 实现了裂缝区域较为完整的检测.通过测试多路况、多采集环境下近万样本, 并采用不同的方法对测试结果进行评估, 结果显示, 算法对不同类型路面图像中具有不同特征的裂缝区域均具有良好的检测性能, 裂缝定位准确性达到95%以上, 裂缝区域检测的完整性达到90%以上.     

基于数字图像处理的表面裂纹检测算法

本文提出了一种基于数字图像处理技术的表面裂纹检测算法。运用这种算法能精确的检测裂纹的位置、长度等特征，将这种裂纹检测算法运用到裂纹自动检测系统以及裂纹扩展行为监测中不仅大大降低了劳动时间和劳动强度，而且提高了测量的准确性。     

Critical point detection in fluid flow images using dynamical system properties

This paper introduces an algorithm for critical point detection in textured fluid flow images. A new measure is defined, based on dynamical system properties, that identifies candidate critical points in an orientation field. The candidates are verified or rejected based on estimates of the local flow field properties. The algorithm can locate partially occluded and degraded flow structures, and applications of this algorithm to experimental flow imagery are included. The algorithm performance is quantified, and it is compared to other detectors.     

基于改进YOLOv7算法的风机塔筒系统故障识别系统

塔筒系统(含塔筒、螺栓)作为风电机组正常运行的重要基础部件,对影响其安全的裂痕等故障有效识别至关重要。针对裂痕的表征不明显、低辨识度、对比度差等情况,本文提出了基于YOLO系列算法改进的YOLOv7-SEAttention算法模型,并与FasterSR-CNN, RFCN, SSD, YOLOv5, YOLOv7等多种算法模型进行对比,通过查全率(Recall),查准率(Precision),平均精度(Average Precision)三个指标进行综合评价。结果表明,改进后的YOLOv7-SEAttention模型在塔筒系统的表面裂痕检测上表现出显著的优越性,相对于原始YOLOv7以及其他算法模型在风机塔筒系统的裂痕检测方面具有更高的精度和可靠性,在塔筒裂痕检测方面提高了2.6%的平均精度(AP),达到83.7%,在螺栓裂痕检测方面提高了4%平均精度,达到84.3%。本文改进的模型能够精准高效检测塔筒系统表面裂痕,降低运维成本、提升风电场的效益。     

基于联合注意力的复杂纹理瓷砖缺陷检测方法

复杂纹理瓷砖表面存在较多的低可视度小目标缺陷与严重的复杂纹理背景干扰,使应用目标检测方法时易出现较高的误检率和漏检率。为提升复杂纹理瓷砖表面缺陷检测效率,提出了基于通道与空间联合注意力的复杂纹理瓷砖表面缺陷检测方案。首先通过建模深浅层特征通道间关系设计了一种选择性特征融合方法,以提升模型对小目标缺陷的特征表达;其次,提出了通道与空间联合注意力模块,通过通道注意力和空间注意力来筛选关键特征通道和抑制纹理区域,使模型着重于学习缺陷特征以增强模型辨别缺陷与纹理的能力;最后,在复杂纹理瓷砖表面缺陷数据上进行了实验验证。实验结果表明,相较于AFF(attentional feature fusion)和CBAM(convolutional block attention module)方法,选择性特征融合方法和通道与空间联合注意力模块使模型检测性能分别提高了5.3 AP、6.32 AP。最终,实验证明了该方案分别优于现有的瓷砖检测方法YOLOv5和纹理织物缺陷检测AFAM方法1.32 AP、2.12 AP。     

基于偏振度特征图的水下裂缝图像分割算法

由于水体侵蚀、自然老化等问题,水库大坝等水下结构物在长期运行过程中存在表面损伤缺陷,与青苔、贝壳等附着物形成的凹陷,在颜色、纹理等方面具有极高的相似性。当凹陷距离裂缝较近时,极易引起裂缝图像分割误判。为解决该问题,本文引入偏振信息,提出一种基于偏振度特征图的裂缝图像分割算法,以超像素块为单元进行偏振度特征图提取,利用偏振度设定区域生长规则,以种子区域为基础进行区域生长合并,最后根据图像深度图确定裂缝区域。实验结果表明该算法能够有效减少分割误判,裂缝分割结果的特异性和准确度指标均能达到0.9以上,高于现有算法。     

发电机励磁碳刷运行故障检测方法

针对发电机励磁系统中碳刷结构故障检测困难,故障定位不准确的问题,本文根据实际碳刷运行过程建立碳刷结构检测系统。通过建立组件对象模型(Component Object Model COM)动态检测方案将碳刷结构模型化,使系统能够更为精确的检测到故障原因。设计数字式光纤传感器(BF5R)检测电路将碳刷故障过程图像化,缩短系统检测时间。通过改进维格纳威尔分布(Wigner Ville distribution WVD)故障定位算法精准定位碳刷故障位置,采用合理方式进行维修。通过Proteus软件仿真检测系统运行过程,实验表明本设计对碳刷故障检测具有明显效果,在15KW发电机环境中,碳刷故障定位时间为3.5min,信号幅值为13V,结果精确度为96.4%,证实了本设计的可行性;通过仿真对比三种不同系统信号检测幅值电压和检测准确度曲线,由此验证了本研究的优越性。     

Pyramid computation of neighbor distance statistics in dot patterns

This paper describes an algorithm for computing statistics of Voronoi neighbor distances in a dot pattern, using a cellular pyramid computer, in a logarithmic number of computational steps. Given a set of dots in a square region of the digital plane, the algorithm determines with high probability the Voronoi neighbors of the dots in the interior of the region and then computes statistics of the neighbor distances. An algorithm of this type may account for the ability of humans to perceive at a glance whether the dots in a pattern are randomly or regularly spaced, i.e., their neighbor distances have high or low variance.     

基于深度学习的桥梁裂缝检测算法研究

传统的图像处理算法不能很好地对桥梁裂缝进行检测,而经典的深度学习模型直接用于桥梁裂缝的检测,效果不甚理想.针对这些问题,本文提出了一种基于深度学习的桥梁裂缝检测算法.首先,利用滑动窗口算法将桥梁裂缝图像切分为较小的桥梁裂缝面元图像和桥梁背景面元图像,并根据对面元图像的分析,提出一种基于卷积神经网络（Convolutional neural networks,CNN）的DBCC（Deep bridge crack classify）分类模型,用于桥梁背景面元和桥梁裂缝面元的识别.然后,基于DBCC分类模型结合改进的窗口滑动算法对桥梁裂缝进行检测.最后,采用图像金字塔和感兴趣区域（Region of interest,ROI）结合的搜索策略对算法进行加速.实验结果表明:与传统算法相比,本文算法具有更好的识别效果和更强的泛化能力.     

基于YOLOv3与注意力机制的桥梁表面裂痕检测算法

为了实现桥梁表面裂痕的快速准确检测和及时修复,在目标检测网络YOLOv3的基础上,结合深度可分离卷积与注意力机制,提出实时检测桥梁表面裂痕的轻量级目标检测网络.使用深度可分离卷积操作替换YOLOv3的标准卷积操作,达到降低网络参数量的目的.同时为了解决深度可分离卷积操作带来的网络精度下降的问题,引入MobileNet v2的反转残差块.卷积块注意力模块同时关注图像的通道注意力和空间注意力,较好地进行特征的自适应学习.实验表明,文中算法可实现对桥梁表面裂痕的实时检测.相比YOLOv3,具有更高的检测精度和检测速度.     

Improvements to single-objective constrained predator–prey evolutionary optimization algorithm

In predator–prey algorithm, a relatively small number of predators (“lions”) and a much larger number of prey (“antelopes”) are randomly placed on a two dimensional lattice with connected ends representing an unfolded surface of a torus. The predators are partially or completely biased towards one or more objectives, based on which each predator kills the weakest prey in its neighborhood. A stronger prey created through evolution replaces this prey. In case of constrained problems, the sum of constraint violations serves as an additional objective. Modifications of the basic predator–prey algorithm have been implemented in this paper regarding the selection procedure, apparent movement of the predators, and mutation strategy. Further modifications have been made making the algorithm capable of handling multiple equality and inequality constraints. The final modified algorithm was tested on standard linear/nonlinear and constrained/unconstrained single-objective optimization problems.