-
公开(公告)号：CN119540639A
公开(公告)日：2025-02-28
申请号：CN202411681721.3
申请日：2024-11-22
Applicant: 西南林业大学
IPC: G06V10/764 , G06V10/774 , G06V20/56 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种面向路面病害目标检测的漏检检测方法，属于公路路面病害检测与质量控制领域。本发明提出了一种“路面补全”图像处理技术，可以将任意bounding box统一替换成正常的路面，同时制作出漏检模型的数据集，并训练漏检模型。漏检模型可以自动检测图片中除了bounding box之外的区域是否存在较大和明显的病害漏检问题，为后续的病害补充标记工作做好前提准备。本发明方法可以自动化地改善路面病害目标检测结果图片中的病害漏检情况。
-
Patent Agency Ranking
公开(公告)号：CN117876383A
公开(公告)日：2024-04-12
申请号：CN202410284089.2
申请日：2024-03-13
Applicant: 西南林业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06T7/73 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种基于yolov5l的公路表面条状裂缝检测方法，涉及图像识别领域，该方法包括：基于表面裂缝图像构建表面条状裂缝样本集；基于所述表面条状裂缝样本集对预设网络进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的表面图像进行检测，确定所述表面图像中的目标裂缝，所以，有效解决了相关技术中对裂缝的形状和类型有一定的假设和限制，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致表面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高表面裂缝特征提取精度，统一表面病害检测标准的技术效果。
-
公开(公告)号：CN119251225A
公开(公告)日：2025-01-03
申请号：CN202411773613.9
申请日：2024-12-05
Applicant: 西南林业大学
Abstract: 本申请公开了一种基于改进RT‑DETR的公路路面裂缝检测方法，涉及路面病害检测领域。该方法包括基于路面裂缝图像构建路面裂缝样本集；基于高低频注意力机制对RT‑DETR模型进行改进；基于所述路面裂缝样本集对改进后的RT‑DETR模型进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的路面图像进行检测，确定所述路面图像中的目标裂缝，本发明有效解决了在复杂路面情况下裂缝特征提取困难的问题，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致路面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高路面裂缝特征提取精度，统一路面病害检测标准的技术效果。
-
公开(公告)号：CN117876383B
公开(公告)日：2024-06-07
申请号：CN202410284089.2
申请日：2024-03-13
Applicant: 西南林业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06T7/73 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种基于yolov5l的公路表面条状裂缝检测方法，涉及图像识别领域，该方法包括：基于表面裂缝图像构建表面条状裂缝样本集；基于所述表面条状裂缝样本集对预设网络进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的表面图像进行检测，确定所述表面图像中的目标裂缝，所以，有效解决了相关技术中对裂缝的形状和类型有一定的假设和限制，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致表面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高表面裂缝特征提取精度，统一表面病害检测标准的技术效果。
-
公开(公告)号：CN119963924A
公开(公告)日：2025-05-09
申请号：CN202510275528.8
申请日：2025-03-10
Applicant: 西南林业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/22 , G06V10/74 , G06V10/774 , G06V10/82 , G06F16/16
Abstract: 本发明涉及一种面向路面病害检测的误检方法，属于公路路面病害检测的质量提升研究领域。本发明收集不同路面病害的手工标注的数据集，通过“病害扩充”图像处理技术扩充病害图像数量以制作训练误检模型的数据集，并使用数据集训练出误检模型，再检验模型的分类效果。通过对比模型分类结果和原标签类型，可以判断其是否存在误检问题，并能准确定位到图像对应的label文件中对应的标签数据行进行病害类型修正。本发明训练了能够自动区分不同路面病害类型的误检模型，可以定位需要修改的标签数据位置，能够改善路面病害目标检测结果图像的误检情况。
-
公开(公告)号：CN119251225B
公开(公告)日：2025-02-28
申请号：CN202411773613.9
申请日：2024-12-05
Applicant: 西南林业大学
Abstract: 本申请公开了一种基于改进RT‑DETR的公路路面裂缝检测方法，涉及路面病害检测领域。该方法包括基于路面裂缝图像构建路面裂缝样本集；基于高低频注意力机制对RT‑DETR模型进行改进；基于所述路面裂缝样本集对改进后的RT‑DETR模型进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的路面图像进行检测，确定所述路面图像中的目标裂缝，本发明有效解决了在复杂路面情况下裂缝特征提取困难的问题，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致路面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高路面裂缝特征提取精度，统一路面病害检测标准的技术效果。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
