检索结果-南通市图书馆

检索条件"主题词=几何参数量化"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于改进型Mask R-CNN模型的路面裂缝自动化识别方法

基于改进型Mask R-CNN模型的路面裂缝自动化识别方法

引用

作者：肖力炀长安大学

学位级别：硕士

路面裂缝是很常见的一种道路病害,它对公路使用期限以及车辆行车安全均会产生严重的危害,因此,对路面裂缝进行识别具有重要的意义。随着人工智能的发展,采用深度学习对路面裂缝进行智能检测也取得了不错的成就,与传统裂缝检测方法相比,... 详细信息

路面裂缝是很常见的一种道路病害,它对公路使用期限以及车辆行车安全均会产生严重的危害,因此,对路面裂缝进行识别具有重要的意义。随着人工智能的发展,采用深度学习对路面裂缝进行智能检测也取得了不错的成就,与传统裂缝检测方法相比,深度学习技术的检测精度高,泛化能力强,可用于复杂多样的路面情况中。因此,本文提出了一种基于改进型Mask R-CNN模型的路面裂缝识别方法,并对其进行了深入研究。首先,本文针对现有裂缝识别算法中使用场景局限、完成任务单一等问题,采用Mask R-CNN模型用于路面裂缝的识别。它以实例分割的形式来区分不同种类的裂缝以及同一种类下的不同个体裂缝,并且能够同时完成裂缝检测与分割的任务,之后应用到采集的裂缝数据集中,通过对模型的训练和不断优化,实现定位裂缝的同时对检测框内的裂缝像素进行分割。其次,针对Mask R-CNN模型对裂缝边缘部分的检测不精准、模型精度不高等问题,设计了一种改进的C-Mask RCNN方法,通过级联多阈值检测器来提高生成裂缝候选框的质量,以此实现高阈值下的精准定位;之后对改进后的模型进行优化对比,在提高模型检测精度与分割精度的同时达到最优的效果。实验结果表明,C-Mask RCNN模型检测部分的m AP达到95.4%,与改进前模型相比提升了9.7%,分割部分的m AP达到93.5%,与改进前相比提升了13.0%,识别效果较好。最后,本文在裂缝识别结果的基础上,将裂缝图像划分为0.1m×0.1m的网格,采用基于JTG 5210-2018标准的裂缝自动化评价方法对路面裂缝率进行计算,并结合网格化后的结果来完成裂缝几何参数的计算工作。同时,针对现有裂缝检测中常出现的检测框定位偏差问题,根据不同类别下的裂缝提出了几种相应的检测框调整方法。综上所述,本文提出的C-Mask RCNN模型可以较为完整的对裂缝进行定位及提取,识别精度较高;同时,本文裂缝相关参数量化的研究对路面裂缝的自动化识别和道路养护工作也具有重要的参考价值。

关键词：路面裂缝识别深度学习 Mask R-CNN模型级联阈值检测器网格化几何参数量化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：