Jun, 2022

为建筑物和设施管理者开发免费开源自动化建筑外立面裂缝检测软件

PDF
TL;DR本研究旨在开发一种易于使用的、免费的、开源建筑外部裂缝自动检测软件 (ABECIS)，使用最先进的分割算法识别混凝土裂缝并生成定量和定性报告，经过实验验证，ABECIS 在室内控制环境下使用商用无人机进行室内裂缝检测实验，室内手机的裂缝检测以及在大学校园使用商业无人机进行室外裂缝检测时表现最佳。
发现论文，激发创造
  • 裂纹图像的分割工具

    本研究提出了一种半自动裂缝分割工具，通过图像处理算法利用多方位小波变换构建图像的 “方向得分”，从而计算出最佳裂缝路径，进而实现像素级的分割，该方法优于完全自动方法，并显示出成为手动数据标注的合适替代方法的潜力。

    Mar, 2024

  • 基于无人机可见光遥感技术的建筑自动化巡检

    本论文提出一种基于无人机图像数据收集和后期处理的自动化方法，旨在通过估算地震结构参数，帮助建筑结构的弱点检查和减少人工，时间和成本消耗。这里考虑的关键参数是邻近建筑之间的距离，建筑平面形状，建筑平面面积，屋顶上的物体和屋顶布局。实地测量和 Google 地球数据表明所提出的方法在估算这些参数方面的准确性得到了验证。

    Sep, 2022

  • 基于 SAM 的砖石裂缝检测自动化实例分割模型

    通过自动化检测建筑结构外观缺陷的方式进行视觉检查至关重要，然而，现有研究主要集中在混凝土和沥青方面，较少关注砖砌缝隙。本文提出了一个包括砖块、破损砖块和裂缝的实例分割数据集，并测试了几种领先的算法。我们提出了两种自动化执行方法，并成功提出了基于单目摄像头和 Hough 线变换的自动图像转换方法，在估计裂缝尺寸方面取得了较好的结果。总体而言，本文填补了自动化砖砌缝隙检测和尺寸估计方面的重要研究空白。

    Jan, 2024

  • 基础设施裂缝分割：边界指导方法与基准数据集

    本文提出了边界引导裂纹分割模型（BGCrack），通过将边界特征引入裂纹识别，采用高频率模块、全局信息建模模块、联合优化模块等结构和模块，并提供了一个为钢结构建立统一的公平基准的钢板裂纹数据集。

    Jun, 2023

  • 基于无人机混合真实与虚拟场景的自动机场道面检测

    基于无人机拍摄的图像，提出一种基于深度学习的视觉方法来自动识别跑道和滑行道面的缺陷，利用合成与实际图像训练模型能在真实应用场景中取得更好的结果。

    Jan, 2024

  • 一种用于 3D 混凝土图像裂缝检测的统计方法

    提出了一种高效的算法，用于在大规模计算机断层扫描（CT）图像中识别裂缝区域，并验证了其在提高裂缝分割效率和减少计算资源需求方面的有效性。

    Feb, 2024

  • 基于无人机的自动化结构检测路径规划及视觉数据分析与优化

    该研究探讨了无人机系统在基础设施检查中的应用，提出了一种有效的路径规划问题解决方案，重点解决了自动化飞行路径选择、损伤检测和效率优化等问题，进一步证明了自动化在无人机系统的结构检查任务规划中的可行性。

    Dec, 2023

  • 利用综合断裂力学和数字图像相关技术检测沥青混凝土的裂纹

    本文提出了一种基于数字图像相关法的表面裂纹检测框架，解决了传统研究方法中的几个关键问题，并应用于测试两种沥青混合料的断裂行为及其混合物的裂纹扩展速率。

    May, 2023

  • 针对钢桥高分辨率图像中裂缝的深度学习分割

    利用无人机和图像处理技术自动化当前桥梁视觉检查实践是提高检查效果、鲁棒性和降低成本的一种显著途径。本文研究了一种新颖的深度学习方法，用于检测高分辨率钢桥图像中的疲劳裂纹，首先，我们介绍了一个包含钢桥裂纹图像的新颖而具有挑战性的数据集。其次，我们将 ConvNext 神经网络与先前最先进的编码器 - 解码器网络集成，进行裂纹分割研究和报告，并研究了在应用于高分辨率钢桥裂纹图像时使用背景补丁对网络性能的影响。最后，我们引入了一种损失函数，允许在训练过程中使用更多的背景补丁，从而显著降低了误报率。

    Mar, 2024

  • 从分类到分割的可解释人工智能研究：裂缝检测和生长监测

    本文提出了运用可解释人工智能的方法对表面裂纹进行分割和监测，结果表明，虽然生成的分割掩码质量可能不如有监督方法产生的高，但仍具有意义并能够实现严重程度的监测，从而降低了大量标注成本。

    Sep, 2023