CN108332927A - 一种桥梁表面裂缝检测装置 - Google Patents
一种桥梁表面裂缝检测装置 Download PDFInfo
- Publication number
- CN108332927A CN108332927A CN201810029385.2A CN201810029385A CN108332927A CN 108332927 A CN108332927 A CN 108332927A CN 201810029385 A CN201810029385 A CN 201810029385A CN 108332927 A CN108332927 A CN 108332927A
- Authority
- CN
- China
- Prior art keywords
- bridge surface
- image
- crack
- region
- bridge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0033—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining damage, crack or wear
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
Abstract
本发明提供一种桥梁表面裂缝检测装置,包括:照明系统,用于对待检测的桥梁表面提供照明;拍摄系统,安装在防护罩内,用于与所述照明系统配合采集桥梁表面图像;定位系统,安装在承载系统上,用于确定缺陷在桥梁上的位置,数据采集存储系统,用于接收实时采集的桥梁表面图像和缺陷定位信息并记录在硬盘上;分析系统,用于对拍摄系统采集的桥梁表面图像进行实时分析,检测桥梁表面是否存在裂缝;承载系统,包括爬墙机器人,用于承载所述照明系统、拍摄系统、定位系统,并在桥梁表面移动。
Description
技术领域
本发明涉及桥梁安全监测技术领域,特别是一种桥梁表面裂缝检测装置。
背景技术
桥梁表面出现裂缝是内部损伤达到一定危险程度的集中表现,是桥梁出现结构性危险的最明显的信号,当裂缝的宽度达到0.2mm以上时,外界水汽容易进入内部加速钢筋腐蚀,可能直接破坏桥梁整体性,使桥梁承载能力大为降低,影响桥上道路铁路安全。因此,及时捕捉、检查桥梁表面裂缝,对于预示或及时发现工程险情,保证桥梁的可靠运营以及延长桥梁的使用寿命具有重要意义。
当前桥梁检测主要依靠工作人员乘坐在桥检车的吊篮里靠近待检测桥面人工观察,主要凭借个人经验目视检测,给定检测结果,容易受到主观因素的影响且效率低、危险性高,同时,因吊篮要靠近待检测桥面,当吊篮遇到桥墩和避车台时,桥检车要停止走行,收回吊篮,避开桥墩和避车台后再伸展到工作位置,工作效率很低;另外一种方式是应用视觉技术在地面用远距离观测装置或者其它搭载装置检查桥梁表面,多是对城市里距离较短的公路桥梁进行检测,但这种方式易受天气变化的影响,在实际应用中难以保证效果。
发明内容
针对上述问题,本发明旨在提供一种桥梁表面裂缝检测装置。
本发明的目的采用以下技术方案来实现:
一种桥梁表面裂缝检测装置,包括:照明系统,用于对待检测的桥梁表面提供照明;拍摄系统,安装在防护罩内,用于与所述照明系统配合采集桥梁表面图像;定位系统,安装在承载系统上,用于确定缺陷在桥梁上的位置;数据采集存储系统,用于接收实时采集的桥梁表面图像和缺陷定位信息并记录在硬盘上;分析系统,用于对拍摄系统采集的桥梁表面图像进行实时分析,检测桥梁表面是否存在裂缝;承载系统,包括爬墙机器人,用于承载所述照明系统、拍摄系统、定位系统,并在桥梁表面移动。
优选地,所述照明系统为蓝光LED照明灯。
优选地,所述拍摄系统为CCD摄像头,该摄像头通过无线网络与数据采集存储系统相连。
本发明的有益效果为:(1)与现有人工得桥梁检测技术相比,采用视觉检测技术,避免了传统人工检测时容易受疲劳、操作经验等主观因素影响的缺点,降低操作人员的劳动强度和操作危险性;(2)采用爬墙机器人承载拍摄设备,能够在无需外部设备的情况下自由在桥梁表面移动,不受地理位置影响,灵活性强,且本装置子带照明系统,降低对自然光的依赖性,适应性强;(3)操作人员仅需在远程监控本装置的运作,有效提高操作人员的工作环境;(4)通过定位系统准确地获取检测到的裂缝的准确位置,并且自动生成检测记录,方便后续对裂缝进行针对性处理。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的框架结构图;
图2为本发明分析系统的框架结构图。
附图标记:
照明系统1、拍摄系统2、定位系统3、数据采集存储系统4、分析系统5、承载系统6、图像预处理模块50、裂缝检测模块51、图像后处理模块52、裂缝识别模块53、标记模块54
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1,一种桥梁表面裂缝检测装置,包括:照明系统1,用于对待检测的桥梁表面提供照明;拍摄系统2,安装在防护罩内,用于与所述照明系统1配合采集桥梁表面图像;定位系统3,安装在承载系统6上,用于确定缺陷在桥梁上的位置,数据采集存储系统4,用于接收实时采集的桥梁表面图像和缺陷定位信息并记录在硬盘上;分析系统5,用于对拍摄系统2采集的桥梁表面图像进行实时分析,检测桥梁表面是否存在裂缝;承载系统6,包括爬墙机器人,用于承载所述照明系统1、拍摄系统2、定位系统3,并在桥梁表面移动。
优选地,所述照明系统1为蓝光LED照明灯。
优选地,所述拍摄系统2为CCD摄像头,该摄像头通过无线网络与数据采集存储系统4相连。
本发明上述实施例,采用视觉检测技术对桥梁表面裂缝进行检测,避免了传统人工检测时容易受疲劳、操作经验等主观因素影响的缺点,降低操作人员的劳动强度和操作危险性;采用爬墙机器人承载拍摄设备,能够在无需外部设备的情况下自由在桥梁表面移动,不受地理位置影响,灵活性强,且本装置子带照明系统,降低对自然光的依赖性,适应性强;操作人员仅需在远程监控本装置的运作,有效提高操作人员的工作环境;通过定位系统准确地获取检测到的裂缝的准确位置,并且自动生成检测记录,方便后续对裂缝进行针对性处理。
优选地,参见图2,所述分析系统5包括:图像预处理模块50,用于对获取的桥梁表面图像进行去处理,获取预处理后的桥梁表面图像;裂缝检测模块51,用于对预处理后的桥梁表面图像进行裂缝检测处理,获取图像中的裂缝区域;图像后处理模块52,用于对裂缝区域进行去毛糙处理,获取裂缝图像;裂缝识别模块53,用于对所述裂缝图像进行识别,获取裂缝识别结果;标记模块54,用于将裂缝所在桥梁表面的位置添加到裂缝识别结果中,获取裂缝检测结果。
优选地,所述图像预处理模块50,用于对获取的桥梁表面图像进行去处理,获取预处理后的桥梁表面图像,具体包括:
获取桥梁表面图像的暗通道图像;
获取桥梁表面图像的传播参数,其中采用的传播参数获取函数为:
式中,t(x)表示桥梁表面图像像素点x的传播参数,其中t(x)的值越小表示距离采像设备越远,越大表示距离采像设备越近,I表示桥梁表面图像的亮度,J表示桥梁表面图像中桥梁表面的亮度,c∈r,g,b表示在r、g、b三种色道下,A表示桥梁表面图像中大气光的亮度,Ω(x)表示以像素点x为中心的矩形区域;优选地,所述矩形区域尺寸选择15×15;
其中,大气光的亮度的获取方法为:在暗通道图像中将各像素点的亮度从高到低进行排列,选取亮度最高的前1/1000的像素点,并在桥梁表面图像中找出这些像素点具有最高亮度的值作为大气光的亮度;
获取桥梁表面图像中每个像素点的尺度参数,其中采用的尺度参数函数为:
式中,c(x)表示桥梁表面图像中像素点x的尺度参数,t(x)表示桥梁表面图像中像素点x的传播参数;
对桥梁表面图像不同区域,根据获取的尺度参数采用不同的单尺度Retinex算法对图像进行增强处理,获取预处理后的桥梁表面图像。
本优选实施例,采用上述的方法对桥梁表面图像进行预处理,首先根据通过暗通道图像获取大气光的亮度,然后根据大气光的亮度调整图像的传播参数,并根据传播参数获取图像不同区域的尺度参数,最后在各区域中根据尺度参数进行增强处理,增强效果好,复杂度低,能够有效地解决本发明装置因天气效果导致拍摄的图像雾化或不清晰的问题,能够在不同恶劣天气环境下获取清晰的桥梁表面图像,适应性强。
优选地,所述裂缝检测模块51,用于对预处理后的桥梁表面图像进行裂缝检测处理,获取图像中的裂缝区域,具体包括:
对图像进行预分割处理,将图像划分为不同的区域Ci,其中S表示所有分割后的到的区域Ci的集合;
优选地,所述预分割处理为采用K均值初始聚类处理,将图像划分为不同的区域;
获取任意两个相邻区域的相似度,其中采用的相似度函数为:
其中,
MInt(Ci,Cj)=min(Int(Ci)+τ(Ci),Int(Cj)+τ(Cj))
式中,D(C1,C2)表示区域Ci和区域Cj的相似度,Dif(Ci,Cj)表示区域Ci和区域Cj的相邻边的差异的最小值,MInt(Ci,Cj)表示区域Ci和区域Cj的内部差异,Int(Ci)和Int(Cj)分别表示区域Ci和区域Cj的内部差异,τ(Cj)表示设定的阈值函数,其中|C|表示区域C中不同像素点的个数,k表示设定的区域划分控制因子。
依次获取图像中每个区域和相邻区域的相似度,若获取的相似度D(Ci,Cj)=1,将两个区域进行合并;若D(Ci,Cj)=0,则标记两个区域的边界作为裂缝区域;
遍历图像中所有区域,获取图像中所有裂缝区域。
本优选实施例,采用上述的方法对预处理后的桥梁表面图像进行处理,首先对图像进行预分割处理,将图像初步分成不同的区域,然后再通过比较相邻区域的内外部相似度,合并相似度高的区域,保留区别较大的区域并以其边界作为检测到的裂缝区域,适应性强,准确度高,能够有效地检测桥梁表面的裂缝区域,为之后对裂缝区域作进一步识别和处理奠定了基础。
优选地,图像后处理模块52,用于对裂缝区域进行去毛糙处理,获取裂缝图像,具体包括:
在实际处理中,受到桥梁表面涂层涂料状态以及噪声的干扰,导致上述桥梁表面裂缝区域存在毛糙,影响后续的裂缝识别结果。因此,获取了图像中的桥梁表面裂缝区域后,需要对桥梁表面裂缝区域做进一步处理去除多余的毛糙,为此,所述道路分割单元251还采用下列方法对获取的桥梁表面裂缝区域进行去毛糙处理,具体为:
假设当f(x,y)=0时,认为该像素点为桥梁表面裂缝,否则认为是背景点;
对于像素点i,如果满足f(xi,yi)=0,统计其8邻域内f(xi+m,yi+n)=0的像素点的个数并计入Si中,其中m,n=-1,0,1;如果Si=1,则该像素点为顶点Di,如果Si>3,将该像素点记为线条分支点Pi;
在原图像f(x,y)中删除标记的分支点Pi后,标记连通的边界,得到标记图fp(x,y);
在fp(x,y)中,从每一个顶点开始计算Di所在边界的长度,并用Ni来表示;
设定长度阈值为T,取最小长度min(Ni),如果min(Ni)<T,则将min(Ni)对应的连通边界标记为f(x,y)=1;
恢复删除的线条分支点Pi,得到去除毛糙的初步结果图;并重复上述步骤,直到消除桥梁表面裂缝区域中的所有毛糙,输出所述桥梁表面裂缝区域作为裂缝图像。
本优选实施例,采用上述方法对获取的裂缝区域进行后处理,能够有效地去除裂缝区域中的毛糙,提高裂缝区域的划分精度,为系统之后进一步对裂缝区域的识别提供了保证。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当分析,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种桥梁表面裂缝检测装置,其特征在于,包括:照明系统,用于对待检测的桥梁表面提供照明;拍摄系统,安装在防护罩内,用于与所述照明系统配合采集桥梁表面图像;定位系统,安装在承载系统上,用于确定缺陷在桥梁上的位置,数据采集存储系统,用于接收实时采集的桥梁表面图像和缺陷定位信息并记录在硬盘上;分析系统,用于对拍摄系统采集的桥梁表面图像进行实时分析,检测桥梁表面是否存在裂缝;承载系统,包括爬墙机器人,用于承载所述照明系统、拍摄系统、定位系统,并在桥梁表面移动。
2.根据权利要求1所述的一种桥梁表面裂缝检测装置,其特征在于,所述照明系统为蓝光LED照明灯。
3.根据权利要求1所述的一种桥梁表面裂缝检测装置,其特征在于,所述拍摄系统为CCD摄像头,该摄像头通过无线网络与数据采集存储系统相连。
4.根据权利要求3所述的一种桥梁表面裂缝检测装置,其特征在于,所述分析系统包括:图像预处理模块,用于对获取的桥梁表面图像进行去处理,获取预处理后的桥梁表面图像;裂缝检测模块,用于对预处理后的桥梁表面图像进行裂缝检测处理,获取图像中的裂缝区域;图像后处理模块,用于对裂缝区域进行去毛糙处理,获取裂缝图像;裂缝识别模块,用于对所述裂缝图像进行识别,获取裂缝识别结果;标记模块,用于将裂缝所在桥梁表面的位置添加到裂缝识别结果中,获取裂缝检测结果。
5.根据权利要求4所述的一种桥梁表面裂缝检测装置,其特征在于,所述图像预处理模块,用于对获取的桥梁表面图像进行去处理,获取预处理后的桥梁表面图像,具体包括:
获取桥梁表面图像的暗通道图像;
获取桥梁表面图像的传播参数,其中采用的传播参数获取函数为:
式中,t(x)表示桥梁表面图像像素点x的传播参数,其中t(x)的值越小表示距离采像设备越远,越大表示距离采像设备越近,I表示桥梁表面图像的亮度,J表示桥梁表面图像中桥梁表面的亮度,A表示桥梁表面图像中大气光的亮度,Ω(x)表示以像素点x为中心的矩形区域;
获取桥梁表面图像中每个像素点的尺度参数,其中采用的尺度参数函数为:
式中,c(x)表示桥梁表面图像中像素点x的尺度参数,t(x)表示桥梁表面图像中像素点x的传播参数;
对桥梁表面图像不同区域,根据获取的尺度参数采用不同的单尺度Retinex算法对图像进行增强处理,获取预处理后的桥梁表面图像。
6.根据权利要求5所述的一种桥梁表面裂缝检测装置,其特征在于,所述裂缝检测模块,用于对预处理后的桥梁表面图像进行裂缝检测处理,获取图像中的裂缝区域,具体包括:
对图像进行预分割处理,将图像划分为不同的区域Ci,其中S表示所有分割后的到的区域Ci的集合;
获取任意两个相邻区域的相似度,其中采用的相似度函数为:
其中,
MInt(Ci,Cj)=min(Int(Ci)+τ(Ci),Int(Cj)+τ(Cj))
式中,D(C1,C2)表示区域Ci和区域Cj的相似度,Dif(Ci,Cj)表示区域Ci和区域Cj的相邻边的差异的最小值,MInt(Ci,Cj)表示区域Ci和区域Cj的内部差异,Int(Ci)和Int(Cj)分别表示区域Ci和区域Cj的内部差异,τ(Cj)表示设定的阈值函数,其中|C|表示区域C中不同像素点的个数,k表示设定的区域划分控制因子;
依次获取图像中每个区域和相邻区域的相似度,若获取的相似度D(Ci,Cj)=1,将两个区域进行合并;若D(Ci,Cj)=0,则标记两个区域的边界作为裂缝区域;
遍历图像中所有区域,获取图像中所有裂缝区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810029385.2A CN108332927A (zh) | 2018-01-10 | 2018-01-10 | 一种桥梁表面裂缝检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810029385.2A CN108332927A (zh) | 2018-01-10 | 2018-01-10 | 一种桥梁表面裂缝检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108332927A true CN108332927A (zh) | 2018-07-27 |
Family
ID=62924276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810029385.2A Pending CN108332927A (zh) | 2018-01-10 | 2018-01-10 | 一种桥梁表面裂缝检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108332927A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109459443A (zh) * | 2018-11-08 | 2019-03-12 | 青海民族大学 | 一种基于机器视觉的高寒地区桥梁裂缝检测与解析方法 |
CN110060242A (zh) * | 2019-04-11 | 2019-07-26 | 国家电网有限公司 | 一种多雾天气下大坝邻接图像裂缝骨架提取方法 |
CN111501543A (zh) * | 2020-04-22 | 2020-08-07 | 河南省交通规划设计研究院股份有限公司 | 一种桥梁表面裂缝检测装置 |
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
CN112200824A (zh) * | 2020-09-30 | 2021-01-08 | 山东省交通科学研究院 | 一种准确计算裂缝图像中单个像素实际宽度的方法 |
CN112649369A (zh) * | 2021-01-04 | 2021-04-13 | 深圳市子瑜杰恩科技有限公司 | 建筑的裂缝检测方法及系统 |
CN112726432A (zh) * | 2020-12-29 | 2021-04-30 | 安徽建筑大学 | 一种桥梁运维方法、装置、系统、计算机设备和存储介质 |
CN114004004A (zh) * | 2022-01-04 | 2022-02-01 | 城云科技(中国)有限公司 | 基于深度学习的隧道裂缝变化趋势预测方法、装置及应用 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101509875A (zh) * | 2009-03-09 | 2009-08-19 | 北京航空航天大学 | 一种铁路桥梁表面裂缝视觉检查装置 |
CN103290766A (zh) * | 2013-06-24 | 2013-09-11 | 广东惠利普路桥信息工程有限公司 | 路面裂缝检测系统 |
CN106644794A (zh) * | 2016-12-22 | 2017-05-10 | 江苏工程职业技术学院 | 一种爬壁机器人混凝土强度检测方法 |
CN107064169A (zh) * | 2017-01-22 | 2017-08-18 | 太原科技大学 | 一种桥梁裂缝检测装置及检测方法 |
CN107436304A (zh) * | 2017-09-20 | 2017-12-05 | 程丹秋 | 一种混凝土构件表面检测装置 |
-
2018
- 2018-01-10 CN CN201810029385.2A patent/CN108332927A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101509875A (zh) * | 2009-03-09 | 2009-08-19 | 北京航空航天大学 | 一种铁路桥梁表面裂缝视觉检查装置 |
CN103290766A (zh) * | 2013-06-24 | 2013-09-11 | 广东惠利普路桥信息工程有限公司 | 路面裂缝检测系统 |
CN106644794A (zh) * | 2016-12-22 | 2017-05-10 | 江苏工程职业技术学院 | 一种爬壁机器人混凝土强度检测方法 |
CN107064169A (zh) * | 2017-01-22 | 2017-08-18 | 太原科技大学 | 一种桥梁裂缝检测装置及检测方法 |
CN107436304A (zh) * | 2017-09-20 | 2017-12-05 | 程丹秋 | 一种混凝土构件表面检测装置 |
Non-Patent Citations (6)
Title |
---|
孟琭: "《计算机视觉原理与应用》", 30 November 2012 * |
宋颖超等: "尺度自适应暗通道先验去雾方法", 《红外与激光工程》 * |
於敏杰等: "基于暗原色及入射光假设的单幅图像去雾", 《中国图像图形学报》 * |
杨寻等: "利用大气光图改进暗原色去雾效果", 《光电工程》 * |
舒婷等: "基于暗原色先验与Retinex理论的去雾算法", 《吉首大学学报(自然科学版)》 * |
董安国等: "基于灰度相关性的裂缝检测算法", 《计算机应用研究》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109459443A (zh) * | 2018-11-08 | 2019-03-12 | 青海民族大学 | 一种基于机器视觉的高寒地区桥梁裂缝检测与解析方法 |
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
CN110060242A (zh) * | 2019-04-11 | 2019-07-26 | 国家电网有限公司 | 一种多雾天气下大坝邻接图像裂缝骨架提取方法 |
CN111501543A (zh) * | 2020-04-22 | 2020-08-07 | 河南省交通规划设计研究院股份有限公司 | 一种桥梁表面裂缝检测装置 |
CN112200824A (zh) * | 2020-09-30 | 2021-01-08 | 山东省交通科学研究院 | 一种准确计算裂缝图像中单个像素实际宽度的方法 |
CN112726432A (zh) * | 2020-12-29 | 2021-04-30 | 安徽建筑大学 | 一种桥梁运维方法、装置、系统、计算机设备和存储介质 |
CN112649369A (zh) * | 2021-01-04 | 2021-04-13 | 深圳市子瑜杰恩科技有限公司 | 建筑的裂缝检测方法及系统 |
CN114004004A (zh) * | 2022-01-04 | 2022-02-01 | 城云科技(中国)有限公司 | 基于深度学习的隧道裂缝变化趋势预测方法、装置及应用 |
CN114004004B (zh) * | 2022-01-04 | 2022-04-01 | 城云科技(中国)有限公司 | 基于深度学习的隧道裂缝变化趋势预测方法、装置及应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108332927A (zh) | 一种桥梁表面裂缝检测装置 | |
CN103442209B (zh) | 一种输电线路的视频监控方法 | |
CN108198417B (zh) | 一种基于无人机的道路巡检系统 | |
CN106934795B (zh) | 一种混凝土桥梁裂缝的自动检测方法和预测方法 | |
CN108280855A (zh) | 一种基于Fast R-CNN的绝缘子故障检测方法 | |
CN111091544B (zh) | 铁路货车转向架侧面一体架构断裂故障检测方法 | |
CN112434695B (zh) | 一种基于深度学习的上拉杆故障检测方法 | |
CN106960179B (zh) | 轨道交通线路环境安全智能监测方法和装置 | |
CN108022235A (zh) | 高压输电铁塔关键部件缺陷识别方法 | |
CN111754466B (zh) | 传输机皮带损伤状况的智能检测方法 | |
CN110222648A (zh) | 一种架空电缆故障识别方法和装置 | |
CN109635758A (zh) | 智慧工地基于视频的高空作业人员安全带穿戴检测方法 | |
CN105426894B (zh) | 铁道塞钉图像检测方法及装置 | |
CN109489724A (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
CN102915433A (zh) | 基于字符组合的车牌定位和识别方法 | |
CN105930774A (zh) | 一种基于神经网络的桥梁螺栓脱落自动识别方法 | |
CN110390256B (zh) | 一种沥青路面裂缝提取方法 | |
CN109146859A (zh) | 一种基于机器视觉的路面裂缝检测系统 | |
CN112528979B (zh) | 变电站巡检机器人障碍物判别方法及系统 | |
CN112287823A (zh) | 一种基于视频监控的面部口罩识别方法 | |
CN106803087A (zh) | 一种车号自动识别方法及系统 | |
Zhao et al. | Image-based comprehensive maintenance and inspection method for bridges using deep learning | |
CN107766886A (zh) | 高速铁路钢轨扣件弹条疲劳断口自动识别方法 | |
CN110610485A (zh) | 一种基于ssim算法的特高压输电线路通道隐患预警方法 | |
CN114812403A (zh) | 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180727 |