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
数字图像相关（DIC）是一种光学技术，通过跟踪测试期间捕获的图像序列中的模式移动来测量位移和应变。本文综述了 DIC 作为沥青混凝土实验室测试的关键工具，主要关注广泛应用的 2D-DIC 和 3D-DIC 技术。同时介绍了新兴的 DIC 方法，如数字体积相关和基于深度学习的 DIC，并强调了它们在道路工程中的潜力。该文章还提供了实施 DIC 进行 AC 表征的全面可靠的流程图。最后，介绍了未来研究的关键方向。
Feb, 2024
该论文提出了一种简单可靠的方法来纠正非垂直相机对测量精度的错误，并通过图像特征匹配和校正进行验证，用于两维数码图像相关 (2D-DIC) 技术在沥青混凝土测试中的位移和应变测量。
Feb, 2024
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
鑑於混凝土基礎設施結構完整性評估的重要性，鑑定裂紋至關重要。然而，對於計算機視覺系統來說，強大的裂紋分割仍然是一項具有挑戰性的任務，原因在於混凝土表面的多樣外觀、不同的照明和天氣條件以及不同缺陷的重疊。本文提出了一種基於分形的高度保真度裂紋圖形模擬器以及相應的完全標註的裂紋數據集，並通過利用點對點互信息估計和自適應實例正規化作為歸納偏差，補充了後者的系統。最後，通過實證研究不同設計選擇在彌合模擬與現實差距方面的相互作用，最終證明我們引入的系統能夠有效處理現實世界的裂紋分割。
Sep, 2023
本文提出了基于深度学习和自适应图像分割的道路龟裂检测算法，该算法采用深度卷积神经网络、双边滤波和自适应阈值方法，可以高效准确地检测道路表面龟裂并扩大安全。
Apr, 2019
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
该研究使用了六种卷积神经网络模型来进行道路裂缝的检测，并使用一个由 14000 个样本组成的新型真实二元裂缝数据集进行微调，观察数据集扩增的效果，并得出 ResNet 和 VGG16 模型具有最高精度为 98% 的结论。
Apr, 2023