-
公开(公告)号:CN118799705B
公开(公告)日:2024-11-19
申请号:CN202411287621.2
申请日:2024-09-14
Applicant: 中南大学
IPC: G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/80
Abstract: 本发明涉及图像处理技术领域,具体涉及一种基于深度学习的隧道病害识别方法、设备及介质,所述方法步骤包括:构造数据集;构造目标检测网络;采用数据集训练所述目标检测网络,得到目标识别模型;从隧道表面获取待检测的病害图像,输入目标识别模型中进行目标识别。本发明方法采用轻量视觉变换网络替换YOLOX中的主干网络,构造了目标检测网络;轻量视觉变换网络中的轻量可视化结构和倒残差瓶颈结构结合了全局感知能力和局部特征提取优势,有利于捕捉图像中的细节特征和全局上下文,提高了对复杂场景的理解能力,从而提高检测精度。
-
公开(公告)号:CN115187539A
公开(公告)日:2022-10-14
申请号:CN202210789782.6
申请日:2022-07-06
Applicant: 中南大学
Abstract: 本发明提供了一种裂缝识别方法、装置、介质及设备,方法包括:包括:步骤1,获取待识别的裂缝图像;步骤2,将所述待识别的裂缝图像输入裂缝语义分割网络进行裂缝识别,得到裂缝识别结果;裂缝语义分割网络包括依次连接的双分支特征提取模块、特征融合模块和解码模块;解决了基于卷积神经网络的裂缝分割方法中存在的全局特征难以提取、模型鲁棒性差的问题以及基于自注意力机制的裂缝分割方法中存在的数据依赖性和局部特征易丢失的问题。
-
公开(公告)号:CN118799705A
公开(公告)日:2024-10-18
申请号:CN202411287621.2
申请日:2024-09-14
Applicant: 中南大学
IPC: G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/80
Abstract: 本发明涉及图像处理技术领域,具体涉及一种基于深度学习的隧道病害识别方法、设备及介质,所述方法步骤包括:构造数据集;构造目标检测网络;采用数据集训练所述目标检测网络,得到目标识别模型;从隧道表面获取待检测的病害图像,输入目标识别模型中进行目标识别。本发明方法采用轻量视觉变换网络替换YOLOX中的主干网络,构造了目标检测网络;轻量视觉变换网络中的轻量可视化结构和倒残差瓶颈结构结合了全局感知能力和局部特征提取优势,有利于捕捉图像中的细节特征和全局上下文,提高了对复杂场景的理解能力,从而提高检测精度。
-
公开(公告)号:CN216350397U
公开(公告)日:2022-04-19
申请号:CN202122768363.8
申请日:2021-11-12
Applicant: 中南大学
Abstract: 本实用新型提供了一种隧道衬砌病害检测设备,涉及隧道检测领域,包括车体,由车身和车头构成,车头的纵截面为圆弧状;车头连接车身,车身可行走;检测部分,包括设置在车头上的距离传感器和图像传感器,图像传感器为三个,任一图像传感器设置在车头纵截面的最高点,其余图像传感器关于车头纵截面的最高点处的图像传感器呈轴对称分布,距离传感器为两个,两个距离传感器关于车头纵向中心线呈轴对称分布;控制部分,信号连接于检测部分和车身的轮胎,在本申请中,车头设置有三个图像传感器,该图像传感器可以对隧道衬砌断面全角度的检测,距离传感器通过工控电脑控制小车沿隧道中心线走行,并且在小车发生偏移时,可以自动矫正小车的走行路线。
-
-
-