【技术实现步骤摘要】
本专利技术属于堤坝结构的健康监测与损伤识别领域，具体涉及一种基于无人机图像和深度学习的堤坝裂缝检测方法。
技术介绍
1、堤坝是水利基础建设中重要的挡水建筑物，具有防洪、航运等多种功能。堤坝在服役期间，既要承受各种荷载和突发性灾害的作用，还要承受来自环境的腐蚀和侵蚀，所以坝体的局部和整体安全性能会随着时间推移而下降，进而出现破损等病害现象。病害轻则减少堤坝寿命、影响运行效率，重则引发溃坝溃堤等灾害事故，威胁群众的生命和财产安全。因此，对堤坝病害进行高效、无损、精确的检测并及时采取修复措施是保障堤坝安全的迫切需求。由于裂缝是堤坝普遍存在的风险源，因此及时对裂缝发育程度进行检测十分重要。根据裂缝的形态和几何特征，可以推断其潜在原因，为堤坝结构健康诊断提供合理的指导
2、传统的裂缝检测方法以人工检测为主。人工检测低效且安全风险高，监测范围常常受限于环境条件，无法开展对堤坝的全面、快速检测。随着机器视觉的发展，图像检测识别算法因其高效的识别效率和无损检测的特点逐渐成为检测裂缝的优选方法和自动化识别堤坝裂缝的突破方向。图像获取是图像识别...
【技术保护点】
1.一种基于无人机图像和深度学习的堤坝裂缝检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于无人机图像和深度学习的堤坝裂缝检测方法，其特征在于：利用无人机采集堤坝裂缝图像，建立数据集包括：
3.根据权利要求1所述的基于无人机图像和深度学习的堤坝裂缝检测方法，其特征在于：数据集预处理包括无人机图像预处理、裁剪与筛选、制作掩膜、数据增广。
4.根据权利要求3所述的基于无人机图像和深度学习的堤坝裂缝检测方法，其特征在于：所述无人机图像预处理包括图像灰度化和图像增强，所述图像灰度化是采用加权平均法，根据图像自身特点以及三个通...
【技术特征摘要】
1.一种基于无人机图像和深度学习的堤坝裂缝检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于无人机图像和深度学习的堤坝裂缝检测方法，其特征在于：利用无人机采集堤坝裂缝图像，建立数据集包括：
3.根据权利要求1所述的基于无人机图像和深度学习的堤坝裂缝检测方法，其特征在于：数据集预处理包括无人机图像预处理、裁剪与筛选、制作掩膜、数据增广。
4.根据权利要求3所述的基于无人机图像和深度学习的堤坝裂缝检测方法，其特征在于：所述无人机图像预处理包括图像灰度化和图像增强，所述图像灰度化是采用加权平均法，根据图像自身特点以及三个通道分量对图像影响程度的差异，赋予三个通道分量不同的权重，依据相应的权重值进行加权平均计算，计算结果即为图像灰度值，如下式所示：
5.根据权利要求1所述的基于无人机图像和深度学习的堤坝裂缝检测方法，其特征在于：所述vgg19-unet网络包括编码器、解码器；vgg19-unet网络遵循编码-解码结构，网络整体呈u形，编码器压缩图像尺寸并提取目标特征；解码器还原图像尺寸并还原目标信息，编码器和解码器分别分布在u形的左边和右边；此外还设置四个跳跃连接以进行浅层和深层特征融合，提高分割精度；
6.根据权利要求4所述的基于无人机图像和深度学习的堤坝裂缝检...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。