[发明专利]一种基于CNN深度学习的桥梁裂缝检测定位方法有效
| 申请号： | 201710025361.5 | 申请日： | 2017-01-13 |
| 公开（公告）号： | CN106910186B | 公开（公告）日： | 2019-12-27 |
| 发明（设计）人： | 李良福;马卫飞;李丽;张玉霞 | 申请（专利权）人： | 陕西师范大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04;G06N3/08 |
| 代理公司： | 61221 西安智萃知识产权代理有限公司 | 代理人： | 张蓓 |
| 地址： | 710119 陕西省西安市长*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于CNN深度学习的桥梁裂缝检测定位方法,该方法首先利用窗口滑动算法将桥梁图像切分为较小的桥梁裂缝面元图像和桥梁背景面元图像；同时,根据基于卷积神经网络(CNN)的DBCC分类模型,对桥梁背景面元图像和桥梁裂缝面元图像进行识别；然后,结合窗口滑动算法在整幅桥梁裂缝图像上进行桥梁裂缝的检测定位；最后,采用图像金字塔和ROI区域相结合的搜索策略对算法进行加速。与传统的裂缝检测定位方法相比,本发明提出的桥梁裂缝检测定位方法不仅具有更好的检测效果和更强的泛化能力,而且本发明的检测定位方法是直接基于彩色图像进行的,这也是传统的裂缝检测定位方法所不具备的特点。 | ||
| 搜索关键词： | 一种 基于 cnn 深度 学习 桥梁 裂缝 检测 定位 方法 | ||
【主权项】：
1.一种基于CNN深度学习的桥梁裂缝检测定位方法,包括以下步骤:/n步骤一、建立并训练深度学习模型；/n步骤二、采集一张彩色桥梁裂缝的图片作为待检测图像；/n步骤三、使用步骤一得到的训练好的模型对待检测图像进行检测,并记录由所述训练好的模型识别出所有桥梁裂缝面元的横纵坐标,然后统计桥梁裂缝面元的个数，记为N；/n所述训练好的模型在识别桥梁裂缝面元时采用窗口滑动算法，所述窗口滑动算法的计算过程如式(1)所示:/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于陕西师范大学，未经陕西师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710025361.5/，转载请声明来源钻瓜专利网。
