基于深度学习的路面病害检测方法

    公开(公告)号:CN113962960B

    公开(公告)日:2024-10-29

    申请号:CN202111232233.0

    申请日:2021-10-22

    Abstract: 本发明公开了一种基于深度学习的路面病害检测方法,主要解决现有技术无法得到路面病害的具体类别及对不同类别病害计数不准确的问题。其实现方案为:通过车载摄像头拍摄路面视频帧图像,获取训练样本集L;选用yolov5网络作为路面病害检测模型B;将训练样本集L输入到路面病害检测模型B中,利用梯度下降法对路面病害检测模型B进行迭代训练,得到训练好的路面病害检测模型B′;巡检视频中路面病害的类别;确定视频帧图像集合C的单帧图像中的同一位置病害的类别;对连续多帧图像中同一处病害进行去重与计数处理,得到准确的路面病害检测结果。本发明避免了人工干预,提高了病害检测的准确性,可用于路面的检修和养护。

    一种基于深度学习的表格识别方法

    公开(公告)号:CN117636379A

    公开(公告)日:2024-03-01

    申请号:CN202311712089.X

    申请日:2023-12-13

    Abstract: 一种基于深度学习的表格识别方法,包括:获取包含表格的图像数据集;提取数据集中图像的表格区域,并利用投影变换矫正表格区域;再得到表格图像;提取出表格图像中的单元格图像作为文本框识别网络训练集;对yolov8检测网络进行训练;将待识别单元格图像输入训练好的文本块检测网络,输出重新排序后的文本块图像;输出文本块图像中的文本;将文本块图像中的文本输出到excel;本发明解决了现有技术中存在的识别稳定性受表格图像规范度影响较大以及现有技术中识别速度和准确率之间的平衡问题,能够准确地从包含表格的图像中识别所包含的全部表格,包括表格结构与内容信息,有助于提高结构化数据处理的效率与准确性,具有更强的实用性。

    基于深度学习的路面病害检测方法

    公开(公告)号:CN113962960A

    公开(公告)日:2022-01-21

    申请号:CN202111232233.0

    申请日:2021-10-22

    Abstract: 本发明公开了一种基于深度学习的路面病害检测方法,主要解决现有技术无法得到路面病害的具体类别及对不同类别病害计数不准确的问题。其实现方案为:通过车载摄像头拍摄路面视频帧图像,获取训练样本集L;选用yolov5网络作为路面病害检测模型B;将训练样本集L输入到路面病害检测模型B中,利用梯度下降法对路面病害检测模型B进行迭代训练,得到训练好的路面病害检测模型B′;巡检视频中路面病害的类别;确定视频帧图像集合C的单帧图像中的同一位置病害的类别;对连续多帧图像中同一处病害进行去重与计数处理,得到准确的路面病害检测结果。本发明避免了人工干预,提高了病害检测的准确性,可用于路面的检修和养护。

    一种图像叠加和裂缝信息融合的桥梁裂缝检测方法

    公开(公告)号:CN112053331A

    公开(公告)日:2020-12-08

    申请号:CN202010886335.3

    申请日:2020-08-28

    Abstract: 本发明公开了一种图像叠加和裂缝信息融合的桥梁裂缝检测方法,其步骤为:采集桥梁图像并进行高斯平滑,利用Sobel算子计算图像梯度,提取共生边缘和种子点,连接种子点,删除过长的种子点连线,获取裂缝骨架图,删除过短的骨架,得到裂缝图,获得单张图像裂缝信息,将图像按拍摄顺序进行叠加,连接图像叠加边缘处的裂缝,获取完整构件上的裂缝宽度,长度和数目信息。本发明采用了图像叠加方法获取裂缝图像,因此具有检测精度高、检测速度快的特点,可用于桥梁构件上裂缝的位置、宽度、长度信息的获取。

    基于一组水平平行线标定相机俯仰角的方法

    公开(公告)号:CN113706630B

    公开(公告)日:2024-02-06

    申请号:CN202110990972.X

    申请日:2021-08-26

    Abstract: 本发明公开一种基于一组水平平行线标定相机俯仰角的方法,其步骤包括:测量两条参考线间的实际距离;计算相机水平视场角;测量相机高度;计算拍摄图片中两条参考线的投影直线的像素距离;计算相机俯仰角。本发明克服了现有技术中每次标定相机俯仰角时,都需要设置参考点并测量参考点之间的距离,并且对参考点的位置和方向有严格限制,容易使获取的相机俯仰角有误差的缺点,使得在标定过一次相机俯仰角后,若需要再次标定相机俯仰角,可以对原本的参考线进行拍摄,更新相机高度和图片中两条投影直线的之间的像素距离,用更新后的相机高度和像素距离计算相机俯仰角。

    一种基于坐标聚类的缺线表格信息识别方法

    公开(公告)号:CN117423127A

    公开(公告)日:2024-01-19

    申请号:CN202311431915.3

    申请日:2023-10-31

    Abstract: 一种基于坐标聚类的缺线表格信息识别方法,首先将表格图像输入YOLOv8模型中,预测出所有文本块的位置坐标,接着对所有文本块做初步行列标记识别出初始行列,然后对聚类失误的文本块进行二次标记,并据此计算缺线位置的坐标,补齐所有表格线,最后将表格转化为电子格式输出;本发明能够准确地识别缺线表格的信息并写入Excel,减少了文本标记错误导致的识别错误,能够解决现有表格识别技术中存在的识别准确率较低和运算量较大大、部署困难的问题;提高了表格识别的准确率,且便于部署在移动端,具有更强的实用性。

    基于一组水平平行线标定相机俯仰角的方法

    公开(公告)号:CN113706630A

    公开(公告)日:2021-11-26

    申请号:CN202110990972.X

    申请日:2021-08-26

    Abstract: 本发明公开一种基于一组水平平行线标定相机俯仰角的方法,其步骤包括:测量两条参考线间的实际距离;计算相机水平视场角;测量相机高度;计算拍摄图片中两条参考线的投影直线的像素距离;计算相机俯仰角。本发明克服了现有技术中每次标定相机俯仰角时,都需要设置参考点并测量参考点之间的距离,并且对参考点的位置和方向有严格限制,容易使获取的相机俯仰角有误差的缺点,使得在标定过一次相机俯仰角后,若需要再次标定相机俯仰角,可以对原本的参考线进行拍摄,更新相机高度和图片中两条投影直线的之间的像素距离,用更新后的相机高度和像素距离计算相机俯仰角。

    基于深度学习的电能表图像目标识别方法

    公开(公告)号:CN116524517A

    公开(公告)日:2023-08-01

    申请号:CN202310333284.5

    申请日:2023-03-31

    Abstract: 本发明公开了一种基于深度学习的电能表图像目标识别方法,解决现有技术中存在的检测准确率受图像拍摄条件影响较大、深度学习方法运算量大和部署困难的问题。其方案为:利用电能表图像生成三个训练集,选择yolox‑nano网络作为训练网络,分别训练得到感兴趣区域检测网络、表盘信息识别网络和条形码信息识别网络;将待检测图像输入感兴趣区域检测网络,得到表盘和条形码图像,将其分别输入对应的信息识别网络;根据相应公式计算识别结果。本发明能够准确地识别电能表的示数及其条码信息,以便及时发现异常并采取相应措施,运算量较小便于部署在移动端,具有更强的实用性。

    一种图像叠加和裂缝信息融合的桥梁裂缝检测方法

    公开(公告)号:CN112053331B

    公开(公告)日:2023-04-07

    申请号:CN202010886335.3

    申请日:2020-08-28

    Abstract: 本发明公开了一种图像叠加和裂缝信息融合的桥梁裂缝检测方法,其步骤为:采集桥梁图像并进行高斯平滑,利用Sobel算子计算图像梯度,提取共生边缘和种子点,连接种子点,删除过长的种子点连线,获取裂缝骨架图,删除过短的骨架,得到裂缝图,获得单张图像裂缝信息,将图像按拍摄顺序进行叠加,连接图像叠加边缘处的裂缝,获取完整构件上的裂缝宽度,长度和数目信息。本发明采用了图像叠加方法获取裂缝图像,因此具有检测精度高、检测速度快的特点,可用于桥梁构件上裂缝的位置、宽度、长度信息的获取。

Patent Agency Ranking