CN109165638A - 一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法 - Google Patents
一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法 Download PDFInfo
- Publication number
- CN109165638A CN109165638A CN201811178478.8A CN201811178478A CN109165638A CN 109165638 A CN109165638 A CN 109165638A CN 201811178478 A CN201811178478 A CN 201811178478A CN 109165638 A CN109165638 A CN 109165638A
- Authority
- CN
- China
- Prior art keywords
- scheme
- image
- rockfill
- grain
- rolling
- 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.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 65
- 239000000203 mixture Substances 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 230000000007 visual effect Effects 0.000 title claims abstract description 11
- 238000005096 rolling process Methods 0.000 claims abstract description 25
- 239000002245 particle Substances 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims description 18
- 239000000523 sample Substances 0.000 claims description 16
- 238000005056 compaction Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000010183 spectrum analysis Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 230000003190 augmentative effect Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 235000013339 cereals Nutrition 0.000 claims 11
- 238000013528 artificial neural network Methods 0.000 claims 1
- 235000011868 grain product Nutrition 0.000 claims 1
- 238000009434 installation Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 5
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000009490 roller compaction Methods 0.000 description 2
- 238000009435 building construction Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法，步骤为：1、创建堆石材料特性模式库：建立样本图像中颗粒的颜色、纹理分布、裂隙大小等特征与堆石材料的岩性类别、风化程度的对应关系，为后续的图像匹配提供库源；2、图像采集：对待碾压堆石材料进行拍照，采集图像；3、图像识别及模式匹配：对采集的图像进行数字化处理，根据不同尺寸颗粒面积的灰度值计算材料级配；再提取材料特性，通过与模式库进行匹配，确定材料岩性、风化程度的特征；4、图像识别结果与碾压推荐方案的转化：先构建碾压方案库，然后根据图像识别及模式匹配结果，并与碾压方案库进行比对，对碾压方案进行修正和调整。本发明能够调整碾压方案，避免出现欠压现象。
Description
技术领域
本发明属于堆石坝填筑碾压技术领域，特别涉及一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法。
背景技术
面板堆石坝方案是抽水蓄能电站上库常用坝型。由于堆石体的压实效果是控制坝体沉降变形和防止面板裂缝的关键因素，因此，如何保证填筑过程中的碾压质量是整个工程的重要技术问题。目前，堆石坝的碾压工艺大多依据《碾压式土石坝施工规范》的要求，填筑施工前进行现场堆石碾压试验，确定相应的坝体碾压参数。一旦参数确定，对于整个坝体的碾压一般均以此为标准进行施工。该法的优点是标准统一，方便施工，有助于整体填筑质量的控制。
然而，上述方法也有一定的不足，主要在于现场用作试验的材料只能是有限组合，而实际填筑材料由于受开采部位以及爆破的影响不同，岩性组成、风化程度、颗粒级配会存在较大差别，因此对于整个待碾压坝面而言，填筑料在空间上具有不均匀性，当采用标准碾压参数进行碾压施工，对于局部岩性较差、级配不良的区域有可能会形成欠压现象，影响整体的碾压质量。
对于上述问题，现场经验丰富的施工人员如果主动关注，可以发现较为明显的欠碾压区域并通过适当增加碾压遍数来改善碾压质量。然而由于施工人员能力、经验、视线、主观意愿等各种条件的限制，要求发现所有薄弱部位并采取措施是不现实的，因此有必要提出相关技术手段来弥补上述不足。
发明内容
发明目的：为了克服现有技术中存在的碾压面材料特性空间分布不均匀的问题，本发明提供一种在碾压施工时实时采集现场工作面照片，并利用图像智能识别技术，识别出颗粒级配和材料组成，据此自动锁定薄弱区域，根据所识别的参数和碾压方案的对应关系，调整碾压方案，避免出现欠压现象的基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法。
技术方案：为实现上述目的，本发明提供一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法，包括如下步骤：
(1)创建堆石材料特性模式库：建立样本图像中颗粒的颜色、纹理分布、裂隙大小等特征与堆石材料的岩性类别、风化程度的对应关系，为后续的图像匹配提供库源；
(2)图像采集：对待碾压堆石材料进行拍照，采集图像；
(3)图像识别及模式匹配：对步骤(2)中采集的图像进行数字化处理，根据不同尺寸颗粒面积的灰度值计算材料级配；再提取材料特性，通过与步骤(1)中的模式库进行匹配，确定材料岩性、风化程度的特征；
(4)图像识别结果与碾压推荐方案的转化：先构建碾压方案库，然后根据步骤(3)得出的图像识别及模式匹配结果，并与碾压方案库进行比对，对碾压方案进行修正和调整。
进一步的，所述步骤(1)中创建堆石材料特性模式库的具体步骤如下：
(1.1)建立初始模式库：以典型施工现场随机分布的堆石材料作为初始样本照片，用颜色直方图方法对图像中颗粒的颜色特征进行提取，用频谱分析方法对颗粒表面纹理分布、裂隙尺寸进行提取，并将提取的信息与样本材料的真实岩性、风化程度建立对应关系形成初始模式库；
(1.2)扩充模式库：以上述初始样本照片为基础，随机抽样及组合的手段生成模拟样本，丰富模式库的涵盖范围。
进一步的，所述步骤(2)中图像采集的具体步骤如下：在碾压机械上面安装图像采集器，将采集照片实时传回处理器；图像采集的时间节点有两个，一是在卸料推平之前，二是在推平后碾压前，以从多角度获取堆石材料性质及颗粒级配信息。
进一步的，所述步骤(3)中图像识别及模式匹配的具体步骤如下：
(3.1)堆石材料级配的计算：首先对步骤(2)中采集的图像进行灰度化、二值化处理，针对处理后的图像，采用面积级配法，计算出不同尺寸颗粒的灰度面积，以面积百分比作为级配计算的依据；
(3.2)堆石材料性质的识别：针对碾压现场堆石材料图像，进行颗粒颜色、纹理分布、裂隙尺寸的特征提取，将提取结果与步骤(1)中的模式库进行匹配，确定该材料的岩性类别和风化程度。
进一步的，所述步骤(4)中图像识别结果与碾压推荐方案的转化的具体步骤如下：
(5.1)构建原始碾压方案库：分析已开展的碾压试验的数据代表性，并补充碾压试验；根据所有碾压试验结果，提取试验材料特征并进行量化，建立其与碾压参数之间的对应关系，形成原始碾压方案库；
(5.2)构建泛化的方案库：基于碾压试验结果，采用基于深度范例学习的多层神经网络算法，深入挖掘岩性类别及风化程度、颗粒级配与关键碾压参数之间的内在联系，据此构建泛化的碾压方案库；
(5.3)对碾压方案进行修正和调整：根据泛化的碾压方案库，得出堆石体的类别和颗粒级配组合条件下的碾压方案，并对由现场试验得出的碾压方案进行修正和调整。
有益效果：本发明与现有技术相比具有以下优点：
本发明利用图像智能识别技术，识别出待碾压面的颗粒级配和材料组成，据此自动锁定薄弱区域，根据所识别的参数和碾压方案的对应关系，针对性的调整碾压方案，避免形成欠碾压现象。本发明所公开的方法具有识别速度快、识别精度高的优势，可以起到一个经验丰富的“老工人”角色，同时通过记录系统给出的碾压要求和施工员的实际操作起到施工监理、施工记录的功能。从更长远的角度，本发明所公开的方法，可以为未来智能化、无人化施工的实现提供技术储备。
附图说明
图1是本发明的总体流程图；
图2为本发明的系统运行示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示，本发明所述的一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法，图2为系统运行示意图，其工作过程如下描述：
(1)创建堆石材料特性模式库，为后续的图像匹配提供库源。主要分为两个流程，分别是基于有限样本的初始模式库建立、基于蒙特卡洛法的模式库扩充：
①基于有限样本的初始模式库建立：以典型施工现场随机分布的堆石材料作为初始样本，用颜色直方图方法对图像中颗粒的颜色特征进行提取，用频谱分析方法对颗粒表面纹理分布、裂隙尺寸进行提取，并将提取的信息与样本材料的真实岩性、风化程度建立对应关系形成初始模式库；
②基于蒙特卡洛法的模式库扩充，初始模式库是模式库建立的基础，因为其基于真实样本建立，具有很强的代表性，但由于无法针对所有材料特征进行尽数组合，所以需利用蒙特卡洛法在有限样本的基础上构造模拟样本，从而丰富模式库的涵盖范围。
(2)碾压现场图像采集，图像采集的时间节点有两个，一是在卸料推平之前，二是在推平后碾压前，以从多角度获取堆石材料性质及颗粒级配信息，提高识别结果的代表性。图像采集的精度直接影响图像识别结果的准确性，此外，图像采集过程应力求减小对施工现场的施工干扰，采用无人机技术进行图像采集可以兼顾两方面的要求。另外，在图像采集按照碾压幅面进行，与按幅面碾压的施工方式相契合。
(3)图像识别及模式匹配，图像识别前应首先对图像进行必要的处理，如去燥、几何修正等，从而提高图像的精度。这部分内容主要包括两方面，分别是堆石材料级配的计算、堆石材料性质的识别。
①堆石材料级配的计算：首先对采集的图像进行灰度化、二值化处理，针对处理后的图像，采用面积级配法，计算出不同尺寸颗粒的灰度面积，以面积百分比作为级配计算的依据。
②堆石材料性质的识别，针对碾压现场堆石材料图像，用颜色直方图方法对图像中颗粒的颜色特征进行提取，用频谱分析方法对颗粒表面纹理分布、裂隙尺寸进行提取，将提取结果与模式库进行匹配，确定该材料的岩性类别和风化程度。
(4)图像识别结果与碾压推荐方案的转化，这是本发明的核心部分，即如何根据图像识别结果建立相应的碾压方案。值得注意的是，由于图像智能识别所提取的参数为材料的岩性和风化程度、颗粒级配，因此碾压方案的制定必须基于这两类参数。本部分的核心为构建基于材料岩性和风化程度、颗粒级配的碾压方案库，具体步骤为：
①构建原始碾压方案库：分析已开展的碾压试验的数据代表性，必要时适当补充碾压试验。根据所有碾压试验结果，提取试验材料特征(主要为岩性及风化程度、级配两类)并进行量化，建立其与碾压参数之间的对应关系，形成原始碾压方案库。
②构建泛化的方案库：基于碾压试验结果，采用基于深度范例学习的多层神经网络算法，深入挖掘岩性类别及风化程度、颗粒级配与关键碾压参数之间的内在联系，据此构建泛化的碾压方案库。为任意堆石体的类别和颗粒级配组合条件下的碾压方案的确定提供依据。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法，其特征在于，包括如下步骤：
(1)创建堆石材料特性模式库：建立样本图像中颗粒的颜色、纹理分布、裂隙大小等特征与堆石材料的岩性类别、风化程度的对应关系，为后续的图像匹配提供库源；
(2)图像采集：对待碾压堆石材料进行拍照，采集图像；
(3)图像识别及模式匹配：对步骤(2)中采集的图像进行数字化处理，根据不同尺寸颗粒面积的灰度值计算材料级配；再提取材料特性，通过与步骤(1)中的模式库进行匹配，确定材料岩性、风化程度的特征；
(4)图像识别结果与碾压推荐方案的转化：先构建碾压方案库，然后根据步骤(3)得出的图像识别及模式匹配结果，并与碾压方案库进行比对，对碾压方案进行修正和调整。
2.根据权利要求1所述的一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法，其特征在于，所述步骤(1)中创建堆石材料特性模式库的具体步骤如下：
(1.1)建立初始模式库：以典型施工现场随机分布的堆石材料作为初始样本照片，用颜色直方图方法对图像中颗粒的颜色特征进行提取，用频谱分析方法对颗粒表面纹理分布、裂隙尺寸进行提取，并将提取的信息与样本材料的真实岩性、风化程度建立对应关系形成初始模式库；
(1.2)扩充模式库：以上述初始样本照片为基础，随机抽样及组合的手段生成模拟样本，丰富模式库的涵盖范围。
3.根据权利要求1所述的一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法，其特征在于，所述步骤(2)中图像采集的具体步骤如下：在碾压机械上面安装图像采集器，将采集照片实时传回处理器；图像采集的时间节点有两个，一是在卸料推平之前，二是在推平后碾压前，以从多角度获取堆石材料性质及颗粒级配信息。
4.根据权利要求1所述的一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法，其特征在于，所述步骤(3)中图像识别及模式匹配的具体步骤如下：
(3.1)堆石材料级配的计算：首先对步骤(2)中采集的图像进行灰度化、二值化处理，针对处理后的图像，采用面积级配法，计算出不同尺寸颗粒的灰度面积，以面积百分比作为级配计算的依据；
(3.2)堆石材料性质的识别：针对碾压现场堆石材料图像，进行颗粒颜色、纹理分布、裂隙尺寸的特征提取，将提取结果与步骤(1)中的模式库进行匹配，确定该材料的岩性类别和风化程度。
5.根据权利要求1所述的一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法，其特征在于，所述步骤(4)中图像识别结果与碾压推荐方案的转化的具体步骤如下：
(5.1)构建原始碾压方案库：分析已开展的碾压试验的数据代表性，并补充碾压试验；根据所有碾压试验结果，提取试验材料特征并进行量化，建立其与碾压参数之间的对应关系，形成原始碾压方案库；
(5.2)构建泛化的方案库：基于碾压试验结果，采用基于深度范例学习的多层神经网络算法，深入挖掘岩性类别及风化程度、颗粒级配与关键碾压参数之间的内在联系，据此构建泛化的碾压方案库；
(5.3)对碾压方案进行修正和调整：根据泛化的碾压方案库，得出堆石体的类别和颗粒级配组合条件下的碾压方案，并对由现场试验得出的碾压方案进行修正和调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811178478.8A CN109165638B (zh) | 2018-10-10 | 2018-10-10 | 一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811178478.8A CN109165638B (zh) | 2018-10-10 | 2018-10-10 | 一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109165638A true CN109165638A (zh) | 2019-01-08 |
| CN109165638B CN109165638B (zh) | 2021-10-19 |
Family
ID=64877602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811178478.8A Active CN109165638B (zh) | 2018-10-10 | 2018-10-10 | 一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109165638B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652270A (zh) * | 2020-04-23 | 2020-09-11 | 中南大学 | 基于图像匹配的粗粒土填料级配自动识别方法及应用系统 |
| CN113533146A (zh) * | 2021-07-09 | 2021-10-22 | 清华大学 | 基于图像识别技术的堆石模拟分析方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105239493A (zh) * | 2015-08-27 | 2016-01-13 | 东南大学 | 一种基于厘米级的压路机定位装置及方法 |
| CN106093346A (zh) * | 2016-06-16 | 2016-11-09 | 中交第二公路勘察设计研究院有限公司 | 一种评价软岩路堤填筑质量的方法 |
| CN106228536A (zh) * | 2016-07-12 | 2016-12-14 | 四川大学 | 基于数字图像处理的土石坝筑坝材料颗粒级配检验方法 |
-
2018
- 2018-10-10 CN CN201811178478.8A patent/CN109165638B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105239493A (zh) * | 2015-08-27 | 2016-01-13 | 东南大学 | 一种基于厘米级的压路机定位装置及方法 |
| CN106093346A (zh) * | 2016-06-16 | 2016-11-09 | 中交第二公路勘察设计研究院有限公司 | 一种评价软岩路堤填筑质量的方法 |
| CN106228536A (zh) * | 2016-07-12 | 2016-12-14 | 四川大学 | 基于数字图像处理的土石坝筑坝材料颗粒级配检验方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周瑜: "堆石坝主堆石区填筑质量控制与碾压方案评价研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652270A (zh) * | 2020-04-23 | 2020-09-11 | 中南大学 | 基于图像匹配的粗粒土填料级配自动识别方法及应用系统 |
| CN111652270B (zh) * | 2020-04-23 | 2022-03-29 | 中南大学 | 基于图像匹配的粗粒土填料级配自动识别方法及应用系统 |
| CN113533146A (zh) * | 2021-07-09 | 2021-10-22 | 清华大学 | 基于图像识别技术的堆石模拟分析方法及系统 |
| CN113533146B (zh) * | 2021-07-09 | 2022-07-08 | 清华大学 | 基于图像识别技术的堆石模拟分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109165638B (zh) | 2021-10-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Research on intelligent identification of rock types based on faster R-CNN method | |
| CN106526693B (zh) | 裂缝识别方法和装置 | |
| CN109145520B (zh) | 基于数字图像和大数据的土石混合体隧道设计方法 | |
| CN110516730A (zh) | 基于pso-svm算法和图像识别的围岩质量在线分级方法 | |
| CN106023158B (zh) | Sd-oct图像的淡水无核珍珠珍珠质层缺陷识别方法 | |
| CN105136736B (zh) | 在线近红外样本量确定方法 | |
| CN109165638A (zh) | 一种基于颗粒级配和材料组成视觉识别技术的堆石碾压方案调整方法 | |
| CN115019171A (zh) | 非接触式围岩快速分区分级方法 | |
| CN108287125A (zh) | 一种基于图像处理的砂砾石材料级配快速分析系统及方法 | |
| CN105095581B (zh) | 一种铸造缩孔缺陷图像生成方法 | |
| CN115761038A (zh) | 一种基于图像光谱技术的隧道掌子面地质素描方法及系统 | |
| CA2921107C (en) | Method of quantitative calculation and assessment of bituman content in ancient carbonate reservoirs | |
| CN112183643A (zh) | 基于声发射的硬岩拉剪破裂识别方法及装置 | |
| CN116580419A (zh) | 一种基于ai的建筑模型测试方法 | |
| CN109031424A (zh) | 一种基于测井多参数识别低渗透储层成岩相的方法 | |
| CN105975990B (zh) | 一种复垦土壤剖面的精细表达方法 | |
| Fu et al. | Line-drawing enhanced interactive mural restoration for Dunhuang Mogao Grottoes | |
| CN107038700B (zh) | 基于gssim的土壤湿度空间分布特征定量分析方法 | |
| Lu et al. | An image recognition algorithm based on thickness of ice cover of transmission line | |
| Jiang et al. | Method for extracting crack area on structure surface based on digital image processing technology | |
| CN117236150A (zh) | 一种工业颗粒整体粒径分布估计方法及系统 | |
| CN110136152A (zh) | 一种基于主动轮廓的钢卷边部图像分割方法 | |
| CN109785318A (zh) | 基于面线基元关联约束的遥感图像变化检测方法 | |
| CN114418965A (zh) | 一种基于激光雷达技术的露头裂缝识别方法 | |
| CN107273893A (zh) | 一种智能城市绿化遥感调查的数据校正控制系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |