CN110987936A - 一种面向无人机的大坝表面裂缝智能识别测量装置 - Google Patents

一种面向无人机的大坝表面裂缝智能识别测量装置 Download PDF

Info

Publication number
CN110987936A
CN110987936A CN201911140762.0A CN201911140762A CN110987936A CN 110987936 A CN110987936 A CN 110987936A CN 201911140762 A CN201911140762 A CN 201911140762A CN 110987936 A CN110987936 A CN 110987936A
Authority
CN
China
Prior art keywords
crack
width
dam
identification
aerial vehicle
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
Application number
CN201911140762.0A
Other languages
English (en)
Inventor
李明超
任秋兵
司文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201911140762.0A priority Critical patent/CN110987936A/zh
Publication of CN110987936A publication Critical patent/CN110987936A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种面向无人机的大坝表面裂缝智能识别测量装置，包括裂缝识别装置、裂缝测量装置、裂缝定位装置、存储及连接装置和综合处理器；其中，所述裂缝识别装置可随无人机的巡视拍摄视频并智能识别裂缝，抓取裂缝图片并勾勒裂缝形状；所述裂缝测量装置利用激光测宽仪测量裂缝宽度，并生成裂缝宽度表；所述裂缝定位装置用于确定裂缝所在处的坐标。本发明裂缝智能识别测量装置可快速探测坝面裂缝的位置，拍摄裂缝图片并测量裂缝宽度，自动生成大坝表面裂缝分布图，不仅能减少工程师亲自上坝检测的次数，节省大量的人力和时间，还能提高裂缝识别测量的效率和精度。

Description

一种面向无人机的大坝表面裂缝智能识别测量装置
技术领域
本发明涉及大坝表面裂缝识别测量设备技术，特别涉及一种可用于智能识别裂缝并自动测量裂缝宽度的设备。
背景技术
我国水利水电工程正向更大规模、更高难度的方向发展。高坝中，混凝土坝和混凝土面板堆石坝所占比例较大。然而，限于大体积(面积)混凝土自身特性，大坝普遍存在裂缝。裂缝形式大致可分为表面裂缝和贯穿性裂缝，在工程中表面裂缝占绝大多数，有些表面裂缝可能扩展成深层裂缝，甚至将整个结构贯穿形成贯穿性裂缝。裂缝的出现不仅会降低大坝的抗渗能力，影响大坝的使用功能，而且会引起混凝土的碳化，降低材料的耐久性，影响大坝的承载能力，因此要对大坝表面裂缝重点监测，及时修补，保证大坝长期安全稳定运行。枯水期坝体最大程度露出水面，无人机此时巡视能够检测到最多的坝体表面裂缝，效率最高，因此通常选择在枯水期进行表面裂缝识别测量。
大坝表面裂缝检测的传统方法是工作人员亲自上坝检测，工作人员使用直尺、读数显微镜、混凝土裂缝观测仪、读数型裂缝宽度监测仪、智能型裂缝宽度观测仪等设备实地测量表面裂缝宽度，耗时耗力，精度和效率偏低，检测大坝和高坝时工作人员面临较高的危险。随着检测技术的快速发展，出现了许多更为先进的裂缝检测方法，如：频谱分析、超声波仪器、工程照相、光纤传感器等。这些检测方法需布置设备，使用限制多，实施过程复杂，仍需工作人员全程操作和把控。因此，亟需一种能够智能识别裂缝、自动测量宽度，无需人工参与的先进裂缝检测设备。
发明内容
本发明的目的是克服现有技术中的不足，提供一种面向无人机的大坝表面裂缝智能识别测量装置，可快速探测坝面裂缝的位置，拍摄裂缝图片并测量裂缝宽度，自动生成大坝表面裂缝分布图，不仅能减少工程师亲自上坝检测的次数，节省大量的人力和时间，还能提高裂缝识别测量的效率和精度。
本发明所采用的技术方案是：一种面向无人机的大坝表面裂缝智能识别测量装置，包括：
裂缝识别装置，所述裂缝识别装置包括镜头、影像传感器、视频图片处理器和裂缝图片存储器，所述影像传感器将所述镜头拍摄的视频和裂缝图片传至所述视频图片处理器，所述视频图片处理器用于识别视频中的裂缝并勾勒出裂缝图片中的裂缝形状，所述裂缝图片存储器保存所述镜头拍摄的裂缝图片和所述视频图片处理器勾勒的裂缝形状；
裂缝测量装置，所述裂缝测量装置包括激光发射接收装置、激光测宽装置和裂缝宽度存储器，所述激光发射接收装置在所述镜头拍照的同时发射并接收激光信号，所述激光测宽装置测量裂缝宽度并生成裂缝宽度表，所述裂缝宽度存储器保存所述激光测宽装置测量生成的裂缝宽度表；
裂缝定位装置，所述裂缝定位装置包括GNSS定位装置和裂缝坐标存储器，所述GNSS定位装置确定裂缝所在位置的经纬度坐标，并将所述经纬度坐标转换成大坝所用坐标系的坐标，所述裂缝坐标存储器保存转换后的坐标；
存储及连接装置，所述存储及连接装置包括连接无人机装置，所述连接无人机装置控制无人机绕大坝巡航；以及，
综合处理器，所述综合处理器根据所述裂缝图片存储器、所述裂缝宽度存储器和所述裂缝坐标存储器保存的裂缝信息及裂缝检测时间生成大坝表面裂缝分布图。
进一步地，所述镜头能360°旋转拍摄视频、图片，并能自动调整至任意角度。
进一步地，所述裂缝识别装置还包括闪光灯(1)，所述闪光灯(1)在裂缝所在位置阴暗时，照亮裂缝周围区域。
进一步地，所述视频图片处理器采用FC-DenseNet网络算法识别视频中的裂缝和勾勒裂缝形状。
进一步地，所述激光测宽装置采用上侧激光测距传感器和下侧激光测距传感器对裂缝宽度进行测量。
进一步地，所述激光测宽装置采用语义分割算法测量裂缝宽度并生成裂缝宽度表。
进一步地，所述裂缝宽度表包括5个指标，分别为：裂缝条数、裂缝宽度的均值、裂缝宽度的最大值、裂缝宽度的最小值和裂缝宽度的标准差。
进一步地，所述存储及连接装置还包括蓝牙手机无线连接装置，所述蓝牙手机无线连接装置将所述裂缝图片存储器、所述裂缝宽度存储器和所述裂缝坐标存储器保存的裂缝信息反馈至工作人员的移动终端上。
进一步地，所述存储及连接装置还包括SD卡槽，所述SD卡槽内安装SD卡，将所述裂缝图片存储器、所述裂缝宽度存储器和所述裂缝坐标存储器中的裂缝信息及裂缝检测时间统一存储在所述SD卡中。
进一步地，所述综合处理器采用室外场景三维重构方法生成大坝表面裂缝分布图。
本发明的有益效果是：本发明和无人机进行物理连接，可在无人机巡视大坝时自动识别裂缝，并拍摄裂缝图片、测量裂缝宽度，自动存储裂缝信息并生成大坝表面裂缝分布图。在下次无人机巡视时，自动检测裂缝扩展程度，并根据不同等级发出预警，工作人员可及时修护。整个过程完全智能自动化，省时省力，检测的裂缝结果方便查看，大大简化了大坝表面裂缝检测的过程。
附图说明
图1是本发明实施例的面向无人机的大坝表面裂缝智能识别测量装置操作流程图；
图2是本发明实施例的面向无人机的大坝表面裂缝智能识别测量装置结构总体布置示意图。
附图标注：1-闪光灯，2-镜头，3-影像传感器，4-视频图片处理器，5-裂缝图片存储器，6-激光发射接收装置，7-激光测宽装置，8-裂缝宽度存储器，9-GNSS定位装置，10-裂缝坐标存储器，11-电池，12-开关，13-连接无人机装置，14-蓝牙手机无线连接装置，15-SD卡槽，16-Micro-USB接口，701-上侧激光测距传感器，702-下侧激光测距传感器。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下：
如图2所示，一种面向无人机的大坝表面裂缝智能识别测量装置，该设备与无人机进行物理连接，包括裂缝识别装置、裂缝测量装置、裂缝定位装置、存储及连接装置和综合处理器。
所述裂缝识别装置可随无人机的巡视拍摄视频并智能识别裂缝，抓取裂缝图片并勾勒裂缝形状。所述裂缝识别装置包括闪光灯1、镜头2、影像传感器3、视频图片处理器4和裂缝图片存储器5。所述闪光灯1在裂缝所在位置较为阴暗时，可照亮周围区域，使拍摄的裂缝图片更为清晰。所述镜头2能360°旋转拍摄视频、图片，并能自动调整至任意角度，便于清晰拍照。所述影像传感器3将所述镜头2拍摄的视频传至所述视频图片处理器4，通过所述视频图片处理器4内置的FC-DenseNet网络算法自动识别视频中的裂缝；无人机飞至裂缝所在位置，根据裂缝产状，驱动无人机自动调整到坝面的距离和角度，将所述镜头2自动旋转至与坝面平行，抓取裂缝图片后，通过所述视频图片处理器4内置的FC-DenseNet网络算法自动勾勒出裂缝形状。所述裂缝图片存储器5保存所述镜头2拍摄的裂缝图片和所述视频图片处理器4勾勒的裂缝形状。
所述裂缝测量装置利用激光测宽仪测量裂缝宽度，并生成裂缝宽度表。所述裂缝测量装置包括激光发射接收装置6、激光测宽装置7和裂缝宽度存储器8。所述激光发射接收装置6在所述镜头2拍照的同时发射并接收激光信号，随即通过所述激光测宽装置7内置的语义分割算法自动测量裂缝宽度，并生成裂缝宽度表。所述裂缝宽度表包括裂缝条数、裂缝宽度的均值、裂缝宽度的最大值、裂缝宽度的最小值和裂缝宽度的标准差5个关键指标。将所述裂缝宽度表保存至所述裂缝宽度存储器8。其中，所述激光测宽装置7根据立体视觉原理，采用上侧激光测距传感器701和下侧激光测距传感器702两个高精度激光测距传感器对裂缝宽度进行精准测量。
所述裂缝定位装置用于确定裂缝所在处的坐标。所述裂缝定位装置包括GNSS定位装置9和裂缝坐标存储器10。所述GNSS定位装置9确定裂缝所在位置的经纬度坐标，匹配大坝所用坐标系，将所述经纬度坐标转换成大坝所用坐标系的坐标。所述裂缝坐标存储器10保存转换后的坐标。下次无人机巡视时可根据该坐标快速抵达该裂缝位置，重新测量其宽度，并对扩展程度进行检查。
所述存储及连接装置包括电池11、开关12、连接无人机装置13、蓝牙手机无线连接装置14、SD卡槽15和Micro-USB接口16。所述连接无人机装置13通过对无人机的二次开发，实现本发明裂缝智能识别测量装置控制无人机的相关功能，如绕大坝巡航等，两者交互统一，辅助裂缝的智能识别与自动测量。所述蓝牙手机无线连接装置14可将所述裂缝图片存储器5、所述裂缝宽度存储器8和所述裂缝坐标存储器10保存的裂缝信息反馈至工作人员的移动终端上，实时监控无人机巡视状态的同时远程查看裂缝动态信息。所述SD卡槽15内可安装SD卡，将所述裂缝图片存储器5、所述裂缝宽度存储器8和所述裂缝坐标存储器10中的裂缝信息和检测时间统一存储在所述SD卡中，方便查看和整理。
裂缝信息存储在所述SD卡中，设置不同文件夹及名称。按照无人机巡视日期设置一级文件夹，按照裂缝所在坝段设置二级文件夹，按照每个裂缝的检测时间顺序将裂缝信息编号命名，裂缝信息包括裂缝图片、裂缝形状、裂缝宽度表、裂缝坐标和裂缝检测具体时间。通过Micro-USB接口16，可在电脑上查看SD卡中的全部裂缝信息。
每次无人机巡视后，所述综合处理器根据裂缝信息采用室外场景三维重构技术自动生成一张大坝表面裂缝分布图。待下次无人机巡视时，首先飞至上次检测的裂缝处，查看裂缝扩展程度，再检测新生成的裂缝。每次巡视检测到的裂缝用不同符号标记，如：三角形、正方形、圆形等。查看上一次检测裂缝的扩展程度，用不同颜色(蓝色、黄色、橙色和红色)标记，根据预设阈值划分为四种不同的扩展等级。其中，蓝色表征裂缝无扩展；黄色表征裂缝稍有扩展，仍处于安全状态；橙色表征裂缝扩展较大，处于警戒状态，需重点监测和维护；红色则表征裂缝扩展严重，处于极限状态，需立即采取相应修补措施。
实施例1—检测某混凝土坝(或混凝土面板堆石坝)工程溢流坝段表面裂缝
如图1所示，在枯水期，无人机巡视指定坝段，裂缝智能识别测量装置与无人机进行物理连接，随无人机的巡视拍摄视频，通过裂缝智能识别测量装置中的视频图片处理器4自动识别表面裂缝。检测到裂缝之后，驱动无人机飞至裂缝处，根据裂缝产状自动调整无人机至裂缝的距离和角度，镜头2自动调整角度至与坝面平行，拍摄裂缝图片，通过内置FC-DenseNet网络算法自动勾勒裂缝形状，保存至裂缝图片存储器5。同时，裂缝测量装置自动发射并接收激光信号，通过激光测宽装置7自动测量裂缝宽度，生成裂缝宽度表，包括裂缝条数、裂缝宽度的均值、最大值、最小值和标准差，该表保存至裂缝宽度存储器8。通过裂缝定位装置中的GNSS定位装置9，确定裂缝处的经纬度坐标，并匹配大坝所用坐标系，将转换后的坐标保存至裂缝坐标存储器10。将裂缝图片、裂缝形状、裂缝宽度和裂缝坐标全部汇总存储至SD卡中，按照无人机巡视日期和裂缝所在坝段分别设置一级、二级文件夹，将裂缝信息按照每个裂缝的检测时间编号、排序、命名，方便在电脑上查看整理。通过蓝牙手机无线连接装置14，工作人员可在移动终端上实时监控无人机巡视状态并远程查看裂缝动态信息。无人机巡视结束，裂缝智能识别测量装置的综合处理器会自动生成一张大坝表面裂缝分布图，方便查看每条裂缝的位置及信息。待下次无人机巡视时，首先飞至上次检测的裂缝处，查看裂缝扩展程度，再检测新生成的裂缝，巡视结束时新生成一张大坝表面裂缝分布图。图中，每次巡视检测到的裂缝用不同符号标记，如：三角形、正方形、圆形等。查看上一次检测裂缝的扩展程度，用不同颜色(蓝色、黄色、橙色和红色)标记，根据预设阈值划分为四种不同的扩展等级。其中，蓝色表征裂缝无扩展；黄色表征裂缝稍有扩展，仍处于安全状态；橙色表征裂缝扩展较大，处于警戒状态，需重点监测和维护；红色则表征裂缝扩展严重，处于极限状态，需立即采取相应修补措施。
基于上述，本发明装置一种面向无人机的大坝表面裂缝智能识别测量装置，与现有技术相比有益效果为：本发明和无人机进行物理连接，在无人机巡视过程中自动识别裂缝，并拍摄裂缝图片、勾勒裂缝形状。通过激光测宽装置7自动测量裂缝宽度并生成宽度数据表，方便工作人员全方位了解裂缝特征。同时，在无人机下次巡视时自动检测裂缝扩展程度，根据设定的阈值发出不同等级的预警，使工作人员能够及时修护，保证大坝安全。
本发明通过不同装置、原理的组合，实现了大坝表面裂缝的智能识别和自动测量，全自动化检测裂缝并存储裂缝信息，对裂缝异常情况发出预警，大大节省了人力物力，提高了大坝监测的自动化程度。
尽管上面结合附图对本发明的优选实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，并不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护范围之内。

Claims (10)

1.一种面向无人机的大坝表面裂缝智能识别测量装置，其特征在于，包括：
裂缝识别装置，所述裂缝识别装置包括镜头(2)、影像传感器(3)、视频图片处理器(4)和裂缝图片存储器(5)，所述影像传感器(3)将所述镜头(2)拍摄的视频和裂缝图片传至所述视频图片处理器(4)，所述视频图片处理器(4)用于识别视频中的裂缝并勾勒出裂缝图片中的裂缝形状，所述裂缝图片存储器(5)保存所述镜头(2)拍摄的裂缝图片和所述视频图片处理器(4)勾勒的裂缝形状；
裂缝测量装置，所述裂缝测量装置包括激光发射接收装置(6)、激光测宽装置(7)和裂缝宽度存储器(8)，所述激光发射接收装置(6)在所述镜头(2)拍照的同时发射并接收激光信号，所述激光测宽装置(7)测量裂缝宽度并生成裂缝宽度表，所述裂缝宽度存储器(8)保存所述激光测宽装置(7)测量生成的裂缝宽度表；
裂缝定位装置，所述裂缝定位装置包括GNSS定位装置(9)和裂缝坐标存储器(10)，所述GNSS定位装置(9)确定裂缝所在位置的经纬度坐标，并将所述经纬度坐标转换成大坝所用坐标系的坐标，所述裂缝坐标存储器(10)保存转换后的坐标；
存储及连接装置，所述存储及连接装置包括连接无人机装置(13)，所述连接无人机装置(13)控制无人机绕大坝巡航；以及，
综合处理器，所述综合处理器根据所述裂缝图片存储器(5)、所述裂缝宽度存储器(8)和所述裂缝坐标存储器(10)保存的裂缝信息及裂缝检测时间生成大坝表面裂缝分布图。
2.根据权利要求1所述的一种面向无人机的大坝表面裂缝智能识别测量装置，其特征在于，所述镜头(2)能360°旋转拍摄视频、图片，并能自动调整至任意角度。
3.根据权利要求1所述的一种面向无人机的大坝表面裂缝智能识别测量装置，其特征在于，所述裂缝识别装置还包括闪光灯(1)，所述闪光灯(1)在裂缝所在位置阴暗时，照亮裂缝周围区域。
4.根据权利要求1所述的一种面向无人机的大坝表面裂缝智能识别测量装置，其特征在于，所述视频图片处理器(4)采用FC-DenseNet网络算法识别视频中的裂缝和勾勒裂缝形状。
5.根据权利要求1所述的一种面向无人机的大坝表面裂缝智能识别测量装置，其特征在于，所述激光测宽装置(7)采用上侧激光测距传感器(701)和下侧激光测距传感器(702)对裂缝宽度进行测量。
6.根据权利要求1所述的一种面向无人机的大坝表面裂缝智能识别测量装置，其特征在于，所述激光测宽装置(7)采用语义分割算法测量裂缝宽度并生成裂缝宽度表。
7.根据权利要求1所述的一种面向无人机的大坝表面裂缝智能识别测量装置，其特征在于，所述裂缝宽度表包括5个指标，分别为：裂缝条数、裂缝宽度的均值、裂缝宽度的最大值、裂缝宽度的最小值和裂缝宽度的标准差。
8.根据权利要求1所述的一种面向无人机的大坝表面裂缝智能识别测量装置，其特征在于，所述存储及连接装置还包括蓝牙手机无线连接装置(14)，所述蓝牙手机无线连接装置(14)将所述裂缝图片存储器(5)、所述裂缝宽度存储器(8)和所述裂缝坐标存储器(10)保存的裂缝信息反馈至工作人员的移动终端上。
9.根据权利要求1所述的一种面向无人机的大坝表面裂缝智能识别测量装置，其特征在于，所述存储及连接装置还包括SD卡槽(15)，所述SD卡槽(15)内安装SD卡，将所述裂缝图片存储器(5)、所述裂缝宽度存储器(8)和所述裂缝坐标存储器(10)中的裂缝信息及裂缝检测时间统一存储在所述SD卡中。
10.根据权利要求1所述的一种面向无人机的大坝表面裂缝智能识别测量装置，其特征在于，所述综合处理器采用室外场景三维重构方法生成大坝表面裂缝分布图。
CN201911140762.0A 2019-11-20 2019-11-20 一种面向无人机的大坝表面裂缝智能识别测量装置 Pending CN110987936A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911140762.0A CN110987936A (zh) 2019-11-20 2019-11-20 一种面向无人机的大坝表面裂缝智能识别测量装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911140762.0A CN110987936A (zh) 2019-11-20 2019-11-20 一种面向无人机的大坝表面裂缝智能识别测量装置

Publications (1)

Publication Number Publication Date
CN110987936A true CN110987936A (zh) 2020-04-10

Family

ID=70085313

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911140762.0A Pending CN110987936A (zh) 2019-11-20 2019-11-20 一种面向无人机的大坝表面裂缝智能识别测量装置

Country Status (1)

Country Link
CN (1) CN110987936A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111751380A (zh) * 2020-07-08 2020-10-09 中国水利水电科学研究院 一种基于轻小型无人机的混凝土坝裂缝检查方法
CN112748121A (zh) * 2020-12-31 2021-05-04 天津大学 基于水工结构表面裂缝的无人机检测方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104483330A (zh) * 2014-11-11 2015-04-01 浙江大学 混凝土表面裂缝实时监测系统与开裂风险的动态评估方法
WO2015056790A1 (ja) * 2013-10-18 2015-04-23 国立大学法人佐賀大学 亀裂検出システム及び亀裂検出方法
CN104931021A (zh) * 2015-03-30 2015-09-23 重庆华地工程勘察设计院 一种基于近景摄影测量的裂缝多参数观测装置
CN108008403A (zh) * 2017-12-11 2018-05-08 深圳市富微科创电子有限公司 红外激光测距装置及方法、无人机及避障方法
CN108982316A (zh) * 2018-06-14 2018-12-11 河海大学文天学院 一种基于无人机检测大坝背面混凝土表面渗流系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015056790A1 (ja) * 2013-10-18 2015-04-23 国立大学法人佐賀大学 亀裂検出システム及び亀裂検出方法
CN104483330A (zh) * 2014-11-11 2015-04-01 浙江大学 混凝土表面裂缝实时监测系统与开裂风险的动态评估方法
CN104931021A (zh) * 2015-03-30 2015-09-23 重庆华地工程勘察设计院 一种基于近景摄影测量的裂缝多参数观测装置
CN108008403A (zh) * 2017-12-11 2018-05-08 深圳市富微科创电子有限公司 红外激光测距装置及方法、无人机及避障方法
CN108982316A (zh) * 2018-06-14 2018-12-11 河海大学文天学院 一种基于无人机检测大坝背面混凝土表面渗流系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李明超: ""大型水利水电工程地质信息三维建模与分析研究"", 《中国优秀博士学位论文全文数据库 工程科技Ⅱ辑》 *
林志玮等: ""基于FC-DenseNet的低空航拍光学图像树种识别"", 《国土资源遥感》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111751380A (zh) * 2020-07-08 2020-10-09 中国水利水电科学研究院 一种基于轻小型无人机的混凝土坝裂缝检查方法
CN111751380B (zh) * 2020-07-08 2021-08-31 中国水利水电科学研究院 一种基于轻小型无人机的混凝土坝裂缝检查方法
CN112748121A (zh) * 2020-12-31 2021-05-04 天津大学 基于水工结构表面裂缝的无人机检测方法及装置
CN112748121B (zh) * 2020-12-31 2022-10-25 天津大学 基于水工结构表面裂缝的无人机检测方法及装置

Similar Documents

Publication Publication Date Title
US20220112806A1 (en) Safety early warning method and device for full-section tunneling of tunnel featuring dynamic water and weak surrounding rock
CN106441233B (zh) 基于倾斜摄影三维重建技术的电力通道走廊巡检方法
CN106949879B (zh) 基于摄影测量原理的物联网建筑三维实时监测分析方法
CN111931565A (zh) 一种基于光伏电站uav的自主巡检与热斑识别方法及系统
CN106895788B (zh) 一种水库坝体变形自动监测方法和系统
CN105976569A (zh) 一种滑坡灾害监测系统及方法
CN111753712A (zh) 电力生产人员安全监测方法、系统以及设备
CN109630905A (zh) 一种基于无人机遥感和深度学习的油气管道全智能巡检系统
CN109358644A (zh) 无人机自动巡视航线的生成方法和装置
CN207170304U (zh) 锂电池盖帽半成品表面纹理及超声焊接自动化检测设备
CN206772257U (zh) 一种基于高性能无人机的桥梁结构检测系统
CN105014481A (zh) 便携式刀具磨损测量仪及采用该测量仪预测刀具剩余使用寿命的方法
CN102589455B (zh) 基于激光和视觉技术的立木直径检测装置
CN110987936A (zh) 一种面向无人机的大坝表面裂缝智能识别测量装置
CN105136595A (zh) 回弹法检测混凝土强度的数据采集、溯源系统及其方法
CN109491408A (zh) 一种可用于室内结构检测的无人机
CN109427216A (zh) 待闸船只信息实时监控系统
CN111445522A (zh) 被动式夜视智能探雷系统及智能探雷方法
CN205027617U (zh) 回弹法检测混凝土强度的数据采集、溯源系统
CN116258980A (zh) 一种基于视觉的无人机分布式光伏电站巡检方法
CN109035837A (zh) 一种基于无人机的智能交通系统测试方法
CN114051093B (zh) 一种基于图像处理技术的便携式航标灯现场检测系统
CN111189433A (zh) 一种基于无人机航拍的岩溶峰林地貌参数测量方法
CN106603002A (zh) 一种光伏电站故障检测系统
US20240019151A1 (en) Unmanned inspection system and method of HVAC room based on artificial intelligence

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

Application publication date: 20200410

RJ01 Rejection of invention patent application after publication