期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于卷积神经网络与区域生长法的建筑裂缝识别 被引量:8
1
作者 吴子燕 贾大卫 王其昂 《应用基础与工程科学学报》 EI CSCD 北大核心 2022年第2期317-327,共11页
基于卷积神经网络(CNN)的建筑裂缝识别结果大多为含有裂缝的面元图像,而并非裂缝本身.本文将CNN与区域生长法结合,提出一种两阶段方法用于提取像素级别的裂缝特征.利用数据扩充法建立裂缝图像数据库,选择包括Alexnet、Vgg16、Vgg19、Inc... 基于卷积神经网络(CNN)的建筑裂缝识别结果大多为含有裂缝的面元图像,而并非裂缝本身.本文将CNN与区域生长法结合,提出一种两阶段方法用于提取像素级别的裂缝特征.利用数据扩充法建立裂缝图像数据库,选择包括Alexnet、Vgg16、Vgg19、Inception-V3和ResNet50的5种典型CNN用于裂缝识别.综合考虑样本图像的整体准确率,单张图像的裂缝识别精确度及背景图像的置信度,确定精度最高的CNN,得到裂缝面元图像;利用区域生长法对CNN识别的裂缝面元图像进行裂缝特征提取,得到像素级别的裂缝图像.研究表明,Inception-V3网络在裂缝识别中具有较高的识别精度;通过区域生长法进行裂缝特征提取,可以得到精度较高的像素级别裂缝特征图像.该研究提供了一种高精度的建筑裂缝识别方法. 展开更多
关键词 裂缝识别 像素级裂缝 卷积神经网络 区域生长法 精度检验
原文传递
基于深度学习的PBX裂纹像素级识别方法
2
作者 吕亮亮 张伟斌 +4 位作者 李公平 潘小东 张才鑫 杨亚飞 张催 《含能材料》 EI CAS CSCD 北大核心 2024年第5期545-553,共9页
高聚物粘结炸药(Polymer Bonded Explosive,PBX)内部裂纹对其性能及可靠性具有明显影响,裂纹的精确识别是PBX内部质量检测的关键。针对PBX内部裂纹识别,基于U-Net和SegNet两种像素级图像识别网络,建立了5种深度学习网络,对比研究了网络... 高聚物粘结炸药(Polymer Bonded Explosive,PBX)内部裂纹对其性能及可靠性具有明显影响,裂纹的精确识别是PBX内部质量检测的关键。针对PBX内部裂纹识别,基于U-Net和SegNet两种像素级图像识别网络,建立了5种深度学习网络,对比研究了网络连接方式和预训练模型对裂纹识别的影响。基于CT获取的PBX裂纹图建立了数据集,对5种网络进行了训练,采用准确率(A)、F1值(F1)和平均交并比(MIoU)指标对网络进行了评估,在此基础上选择细节识别性能最优的网络用于PBX裂纹的识别和量化分析。结果表明,针对裂纹像素级识别,U-Net型网络优于Seg-Net型网络,网络中Concatenate操作比Pooling Indices操作保留更多图像细节信息,采用预训练模型MobileNet和ResNet可以提高网络训练速度,但导致其裂纹像素级识别性能降低。利用建立的识别方法开展PBX裂纹识别研究,实现了对PBX裂纹的像素级识别,裂纹检出率0.9570,单像素识别准确率为0.9936,MIoU为0.9873,相对裂纹面积为0.7585。 展开更多
关键词 高聚物粘结炸药(PBX) CT图像 深度学习 像素级裂纹识别
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部