期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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
职称材料
题名
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
机构
西北工业大学力学与土木建筑学院
中国矿业大学力学与建筑工程学院
出处
《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
基金
国家自然科学基金项目(51708545)
西北工业大学研究生创意创新种子基金项目(ZZ2019212)。
文摘
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.
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
Keywords
crack
identification
pixel
-
level
crack
convolutional
neural
network
regional
growth
method
precision
test
分类号
TU317 [建筑科学—结构工程]
原文传递
题名
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
李公平
潘小东
张才鑫
杨亚飞
张催
机构
中国工程物理研究院化工材料研究所
兰州大学核科学与技术学院
出处
《含能材料》
EI
CAS
CSCD
北大核心
2024年第5期545-553,共9页
基金
国家自然科学基金资助(12105267)。
文摘
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。
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
Keywords
PBX
CT
images
deep
learning
pixel
level
crack
recognition
分类号
TJ55 [兵器科学与技术—军事化学与烟火技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于卷积神经网络与区域生长法的建筑裂缝识别
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
8
原文传递
2
基于深度学习的PBX裂纹像素级识别方法
吕亮亮
张伟斌
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
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部