CN112215815A - 一种用于建筑工地的裸土覆盖自动检测方法 - Google Patents
一种用于建筑工地的裸土覆盖自动检测方法 Download PDFInfo
- Publication number
- CN112215815A CN112215815A CN202011085535.5A CN202011085535A CN112215815A CN 112215815 A CN112215815 A CN 112215815A CN 202011085535 A CN202011085535 A CN 202011085535A CN 112215815 A CN112215815 A CN 112215815A
- Authority
- CN
- China
- Prior art keywords
- bare soil
- area
- pixel
- felt
- construction site
- 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
- 239000002689 soil Substances 0.000 title claims abstract description 88
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000010276 construction Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000013507 mapping Methods 0.000 claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000002372 labelling Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 235000002566 Capsicum Nutrition 0.000 claims description 3
- 239000006002 Pepper Substances 0.000 claims description 3
- 235000016761 Piper aduncum Nutrition 0.000 claims description 3
- 235000017804 Piper guineense Nutrition 0.000 claims description 3
- 235000008184 Piper nigrum Nutrition 0.000 claims description 3
- 150000003839 salts Chemical group 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 claims description 2
- 244000203593 Piper nigrum Species 0.000 claims 1
- 239000004744 fabric Substances 0.000 description 8
- 241000722363 Piper Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- -1 noise Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于建筑工地的裸土覆盖自动检测方法,涉及建筑工地管理技术领域。包括以下步骤:获取待检测的建筑工地图像;将所述待检测的建筑工地图像输入预先训练好的语义分割网络,生成包含不同特征值的特征图,每一特征值对应一种裸土或一种毡布;对所述特征图进行映射,将所有种类的裸土映射为一像素值,所有种类的毡布映射为另一像素值,生成灰度图;计算裸土的像素面积和毡布的像素面积;计算裸土覆盖率,若裸土覆盖率低于设定阈值,则判定裸土未覆盖。本发明可以应用于城市级规模的工地管理中,大大提高了检测速度,降低了人力成本。
Description
技术领域
本发明涉及建筑工地管理技术领域,尤其涉及用于建筑工地的裸土覆盖自动检测方法。
背景技术
近年来国家对施工环境的要求越来越高,针对扬尘,噪声,污水处理,建筑垃圾处理等制定严格要求,其中扬尘方面中要求施工现场的裸土必须采用毡布覆盖,如果未覆盖或者未完全覆盖视作违规。施工现场易飞扬的细颗粒建材应密闭存放。施工现场内堆放超过8小时不扰动的裸土应进行覆盖,堆放超过三个月以上不使用的堆土应进行绿化,弃土应及时清运。裸土覆盖检测方法一般有两种,一种是人工巡视,指的是人员到现场巡视,或者通过监控进行巡视检查是否出现大面积裸土未覆盖;另一种方法是无人机巡视,人员通过无人机传回的影像进行判别是否出现未覆盖。这两种方法存在速度慢,精度低,成本高的问题,并且自动化含量较低,不适用于城市级规模的工地检测。
发明内容
本发明的目的在于提供一种用于建筑工地的裸土覆盖自动检测方法,该方法可以应用于城市级规模的工地管理中,大大提高了检测速度,降低了人力成本。
为实现上述目的,本发明提供如下技术方案:
一种用于建筑工地的裸土覆盖自动检测方法,其特征在于,包括以下步骤:
S1,获取待检测的建筑工地图像;
S2,将所述待检测的建筑工地图像输入预先训练好的语义分割网络,生成包含不同特征值的特征图,每一特征值对应一种裸土或一种毡布;
S3,对所述特征图进行映射,将所有种类的裸土映射为一像素值,所有种类的毡布映射为另一像素值,生成灰度图;
S4,计算裸土的像素面积和毡布的像素面积;
S5,计算裸土覆盖率,若裸土覆盖率低于设定阈值,则判定裸土未覆盖。
进一步的,所述语义分割网络的训练过程如下:
T1,采集施工工地的样本图像,构建数据集;
T2,对样本图像中的裸土目标和毡布目标进行标注;
T3,针对数据集中样本进行样本扩增,包括类间数量均衡、噪声增强、亮度增强。
T4,网络训练。
进一步的,所述类间数量均衡的具体内容为:
TA1,统计样本图像中不同种类的标注目标的像素面积;
TA2,选取所占像素面积较小的标注目标种类中的一个或多个标注目标;
TA3,针对选取出来的标注目标,截取其外接矩形,针对外接矩形中的目标,进行长宽缩放比操作;
TA4,将进行长宽缩放比操作之后的样本添加到数据集中,直至不同种类的标注目标所占像素面积相等。
进一步的,所述噪声增强采用椒盐噪声,噪点数量nnoise=areasrc*0.0005,areasrc表示样本图像像素面积。
进一步的,所述亮度增强的具体内容为:
lsample={0.7*lsrc,lsrc,1.3*lsrc}
其中,lsrc表示样本图像的原始亮度,lsample表示某一样本图像进行亮度增强后的亮度集合;
在亮度调整的同时,随机对样本图像进行左右镜像或上下镜像。
进一步的,所述S3中映射的具体内容如下:
其中,vi net表示特征图第i个特征值;vi result表示灰度图中第i个像素的像素值;Pbaresoil表示裸土对应的特征值集合;Pfelt表示毡布对应的特征值集合。
进一步的,所述S4中,裸土的像素面积和毡布的像素面积的计算方法如下:遍历检测区域内像素值,若像素值为125,则裸土像素面积累加1,若像素值为255,则毡布像素面积累加1。
进一步的,所述S5计算裸土覆盖率之前,还进行有效检测率的计算:
其中,Areabaresoil表示裸土像素面积;Areafelt表示毡布像素面积;Areadetect表示检测区域的像素面积,检测区域为全图区域或由用户指定;rvalid表示有效检测率;
当有效检测率rvalid小于预先设定的有效检测阈值,视作该待检测的建筑工地图像无效,不进行裸土覆盖率的检测。
进一步的,所述S5中裸土覆盖率的计算方法如下:
其中,rmask表示裸土覆盖率。
与现有技术相比,本发明的有益效果是:本发明基于图像检测技术,实现建筑工地上裸土覆盖率的自动检测,不仅大大提高了检测效率,还降低了人力成本,可应用于城市级规模的工地管理中。
附图说明
图1为本发明的整体结构示意图;
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种用于建筑工地的裸土覆盖自动检测方法,包括以下步骤:
S0,训练语义分割网络:
T1,采集施工工地的样本图像,构建数据集;该数据集通过收集施工工地的裸土样本和搌布样本,其中裸土样本是黄色土嚷,棕色土壤,黑色土壤,灰色土壤,灰色颗粒状裸土5种;搌布包含绿色毡布,蓝色搌布,黑色搌布和红色搌布。
T2,对样本图像中的裸土目标和毡布目标进行标注;使用语义分割的标注工具进行了上述样本的语义分割标注,构建涵盖区域差异,天气差异的庞大数据集。在数据集中数据与标签的关系矩阵为,
其中,黄土代表黄色土壤,绿布表示绿色毡布,其他同理,数字表示在网络中的数字标签。
T3,针对数据集中样本进行样本扩增,包括类间数量均衡、噪声增强、亮度增强。
实际场景中土壤的颜色种类,毡布颜色种类分布非常不均衡,直接算法训练效果不理想,因此对样本图像进行类间数量均衡,所述类间数量均衡的具体内容为:
TA1,统计样本图像中不同种类的标注目标的像素面积;
TA2,选取所占像素面积较小的标注目标种类中的一个或多个标注目标;如数量较少的种类样本如褐色土壤,灰色颗粒,蓝色毡布等
TA3,针对选取出来的标注目标,截取其外接矩形,针对外接矩形中的目标,进行长宽缩放比操作;于本实施例中,长宽缩放比为1:2,2:1,2:2三中,表示截取图片的宽度不变,高度变为原来的2倍,其余尺度处理方法同理,最后将这些尺度缩放的结果图进行随机粘贴到背景图中,形成新的样本,对应扩增的像素面积变为原来的8倍。
TA4,将进行长宽缩放比操作之后的样本添加到数据集中,直至不同种类的标注目标所占像素面积基本相等。
于本实施例中,为了提高检测网络的鲁邦性,所述噪声增强采用椒盐噪声,噪点数量nnoise=areasrc*0.0005,areasrc表示样本图像像素面积。
为了提高分割网络的泛化能力,使其适应不同明暗度的天气,进行亮度增强,所述亮度增强的具体内容为:
lsample={0.7*lsrc,lsrc,1.3*lsrc}
其中,lsrc表示样本图像的原始亮度,lsample表示某一样本图像进行亮度增强后的亮度集合;
在亮度调整的同时,随机对样本图像进行左右镜像或上下镜像处理。通过亮度值增强,可由原始亮度的图片扩增处较亮、较暗的两个样本。
T4,网络训练。
S1,获取待检测的建筑工地图像,从监控图像获取的输入图像数据进行预处理,具体方法是为了保证算法准确和速度,将图像输入图像尺寸设定为1280*640。
S2,将所述待检测的建筑工地图像输入预先训练好的语义分割网络,生成包含不同特征值的特征图,每一特征值对应一种裸土、一种毡布或者背景;于本实施例中,该特征值即为网络训练过程中标注的数字标签。
S3,对所述特征图进行映射,将所有种类的裸土映射为一像素值,所有种类的毡布映射为另一像素值,生成灰度图;
在部署时分割网络的前向推理时,为了降低图像处理中噪声对网络特征图的像素值产生影响,将网络的最一层特征图的像素值进行映射变换,将原来维度为10*640*1280的特征图Featurenet转换成维度为1*640*1280的新特征图Featureclass,转换方法是将Featurenet输入到softmax层得到Featureclass,然后将映射转换为灰度图masknet,映射的具体内容如下:
其中,vi net表示特征图Featureclass第i个特征值;vi result表示灰度图masknet中第i个像素的像素值;Pbaresoil表示裸土对应的特征值集合;Pfelt表示毡布对应的特征值集合。
结合本实施例的训练过程,即
vi net大于0小于6时,其对应不同的裸土;而vi net大于等于6时,其对应不同的毡布。最后将灰度图进行尺度缩放,达到与原始输入图像宽度和高度相同,得到maskpredict。
S4,计算裸土的像素面积和毡布的像素面积;
为了得到精准计算每个区域的裸土覆盖比例,需要进行检测区域的确认。检测区域Areadetect确认的方法是默认为全图区域为检测区域或者用户指定输入一个区域,该区域包含矩形和不规则多边形。
裸土的像素面积和毡布的像素面积的计算方法如下:遍历预测图maskpredict中检测区域Areadetect内像素值vi mask,如果vi mask=125,则Areabaresoil累加一,如果vi mask=255,则Areafelt累加一,最终统计得到裸土像素面积Areabaresoil和毡布像素面积Areafelt。
S5,计算裸土覆盖率,若裸土覆盖率低于设定阈值,则判定裸土未覆盖。
于另一实施例中,所述S5计算裸土覆盖率之前,为了提高算法的准确率,降低语义分割网络结果中少量像素误判导致最终结果误判问题,还进行有效检测率的计算:
其中,Areabaresoil表示裸土像素面积;Areafelt表示毡布像素面积;Areadetect表示检测区域的像素面积,检测区域为全图区域或由用户指定;rvalid表示有效检测率;
当有效检测率rvalid小于预先设定的有效检测阈值,有效检测值优选为10%,视作该待检测的建筑工地图像无效,不进行裸土覆盖率的检测。
所述S5中裸土覆盖率的计算方法如下:
其中,rmask表示裸土覆盖率。若rmask小于设定阈值Threshbare(一般由用户指定),则判定裸土未覆盖,将违规信息推送给用户。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
Claims (9)
1.一种用于建筑工地的裸土覆盖自动检测方法,其特征在于,包括以下步骤:
S1,获取待检测的建筑工地图像;
S2,将所述待检测的建筑工地图像输入预先训练好的语义分割网络,生成包含不同特征值的特征图,每一特征值对应一种裸土或一种毡布;
S3,对所述特征图进行映射,将所有种类的裸土映射为一像素值,所有种类的毡布映射为另一像素值,生成灰度图;
S4,计算裸土的像素面积和毡布的像素面积;
S5,计算裸土覆盖率,若裸土覆盖率低于设定阈值,则判定裸土未覆盖。
2.根据权利要求1所述的用于建筑工地的裸土覆盖自动检测方法,其特征在于,所述语义分割网络的训练过程如下:
T1,采集施工工地的样本图像,构建数据集;
T2,对样本图像中的裸土目标和毡布目标进行标注;
T3,针对数据集中样本进行样本扩增,包括类间数量均衡、噪声增强、亮度增强。
T4,网络训练。
3.根据权利要求2所述的用于建筑工地的裸土覆盖自动检测方法,其特征在于,所述类间数量均衡的具体内容为:
TA1,统计样本图像中不同种类的标注目标的像素面积;
TA2,选取所占像素面积较小的标注目标种类中的一个或多个标注目标;
TA3,针对选取出来的标注目标,截取其外接矩形,针对外接矩形中的目标,进行长宽缩放比操作;
TA4,将进行长宽缩放比操作之后的样本添加到数据集中,直至不同种类的标注目标所占像素面积相等。
4.根据权利要求2所述的用于建筑工地的裸土覆盖自动检测方法,其特征在于,所述噪声增强采用椒盐噪声,噪点数量nnoise=areasrc*0.0005,areasrc表示样本图像像素面积。
5.根据权利要求2所述的用于建筑工地的裸土覆盖自动检测方法,其特征在于,所述亮度增强的具体内容为:
lsample={0.7*lsrc,lsrc,1.3*lsrc}
其中,lsrc表示样本图像的原始亮度,lsample表示某一样本图像进行亮度增强后的亮度集合;
在亮度调整的同时,随机对样本图像进行左右镜像或上下镜像。
7.根据权利要求6所述的用于建筑工地的裸土覆盖自动检测方法,其特征在于,所述S4中,裸土的像素面积和毡布的像素面积的计算方法如下:遍历检测区域内像素值,若像素值为125,则裸土像素面积累加1,若像素值为255,则毡布像素面积累加1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085535.5A CN112215815A (zh) | 2020-10-12 | 2020-10-12 | 一种用于建筑工地的裸土覆盖自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085535.5A CN112215815A (zh) | 2020-10-12 | 2020-10-12 | 一种用于建筑工地的裸土覆盖自动检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215815A true CN112215815A (zh) | 2021-01-12 |
Family
ID=74053527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011085535.5A Pending CN112215815A (zh) | 2020-10-12 | 2020-10-12 | 一种用于建筑工地的裸土覆盖自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215815A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052922A (zh) * | 2021-03-26 | 2021-06-29 | 重庆紫光华山智安科技有限公司 | 裸土识别方法、系统、设备及介质 |
CN113283392A (zh) * | 2021-06-28 | 2021-08-20 | 苏州威视通智能科技有限公司 | 一种基于深度神经网络的建筑物场景理解系统及方法 |
CN113378754A (zh) * | 2021-06-24 | 2021-09-10 | 中国计量大学 | 一种工地裸土监测方法 |
CN113627388A (zh) * | 2021-08-30 | 2021-11-09 | 浙江大华技术股份有限公司 | 针对裸土覆盖情况的确定方法及装置 |
CN114612859A (zh) * | 2022-02-25 | 2022-06-10 | 交通运输部天津水运工程科学研究所 | 一种非专业化码头矿石堆垛苫盖智能检测方法 |
CN116645409A (zh) * | 2023-05-15 | 2023-08-25 | 三峡高科信息技术有限责任公司 | 基于图像光谱分析及边缘检测的裸土覆盖自动检测方法 |
CN117576076A (zh) * | 2023-12-14 | 2024-02-20 | 湖州宇泛智能科技有限公司 | 一种裸土检测方法、装置和电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1808480A (zh) * | 2005-12-19 | 2006-07-26 | 江苏省农业科学院 | 一种生态系统服务功能的最优评估方法 |
CN106203265A (zh) * | 2016-06-28 | 2016-12-07 | 江苏大学 | 一种基于无人机采集图像的施工扬尘污染源自动监测及影响范围预测系统及方法 |
CN109521182A (zh) * | 2018-10-30 | 2019-03-26 | 武汉大学 | 一种基于二分量分解模型的PolSAR土壤含水量反演方法 |
CN109853580A (zh) * | 2019-04-01 | 2019-06-07 | 深圳宏业基岩土科技股份有限公司 | 基于摄影测量的明挖基坑施工管理方法 |
CN110060292A (zh) * | 2019-04-03 | 2019-07-26 | 广州地理研究所 | 一种基于多尺度融合的土地利用面积计算方法 |
CN110110679A (zh) * | 2019-05-13 | 2019-08-09 | 成都图必优科技有限公司 | 基于全卷积网络和条件随机场的地物覆盖率计算方法 |
CN110163141A (zh) * | 2019-05-16 | 2019-08-23 | 西安电子科技大学 | 基于遗传算法的卫星图像预处理方法 |
CN110276356A (zh) * | 2019-06-18 | 2019-09-24 | 南京邮电大学 | 基于r-cnn的眼底图像微动脉瘤识别方法 |
CN110807758A (zh) * | 2019-09-10 | 2020-02-18 | 中国三峡建设管理有限公司 | 保温被未覆盖区域检测方法、装置、设备和存储介质 |
CN110866494A (zh) * | 2019-11-14 | 2020-03-06 | 三亚中科遥感研究所 | 一种基于光学遥感影像的城镇群提取方法及系统 |
CN111159150A (zh) * | 2019-12-19 | 2020-05-15 | 北京文安智能技术股份有限公司 | 一种数据扩充方法及装置 |
-
2020
- 2020-10-12 CN CN202011085535.5A patent/CN112215815A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1808480A (zh) * | 2005-12-19 | 2006-07-26 | 江苏省农业科学院 | 一种生态系统服务功能的最优评估方法 |
CN106203265A (zh) * | 2016-06-28 | 2016-12-07 | 江苏大学 | 一种基于无人机采集图像的施工扬尘污染源自动监测及影响范围预测系统及方法 |
CN109521182A (zh) * | 2018-10-30 | 2019-03-26 | 武汉大学 | 一种基于二分量分解模型的PolSAR土壤含水量反演方法 |
CN109853580A (zh) * | 2019-04-01 | 2019-06-07 | 深圳宏业基岩土科技股份有限公司 | 基于摄影测量的明挖基坑施工管理方法 |
CN110060292A (zh) * | 2019-04-03 | 2019-07-26 | 广州地理研究所 | 一种基于多尺度融合的土地利用面积计算方法 |
CN110110679A (zh) * | 2019-05-13 | 2019-08-09 | 成都图必优科技有限公司 | 基于全卷积网络和条件随机场的地物覆盖率计算方法 |
CN110163141A (zh) * | 2019-05-16 | 2019-08-23 | 西安电子科技大学 | 基于遗传算法的卫星图像预处理方法 |
CN110276356A (zh) * | 2019-06-18 | 2019-09-24 | 南京邮电大学 | 基于r-cnn的眼底图像微动脉瘤识别方法 |
CN110807758A (zh) * | 2019-09-10 | 2020-02-18 | 中国三峡建设管理有限公司 | 保温被未覆盖区域检测方法、装置、设备和存储介质 |
CN110866494A (zh) * | 2019-11-14 | 2020-03-06 | 三亚中科遥感研究所 | 一种基于光学遥感影像的城镇群提取方法及系统 |
CN111159150A (zh) * | 2019-12-19 | 2020-05-15 | 北京文安智能技术股份有限公司 | 一种数据扩充方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052922A (zh) * | 2021-03-26 | 2021-06-29 | 重庆紫光华山智安科技有限公司 | 裸土识别方法、系统、设备及介质 |
CN113052922B (zh) * | 2021-03-26 | 2023-03-14 | 重庆紫光华山智安科技有限公司 | 裸土识别方法、系统、设备及介质 |
CN113378754A (zh) * | 2021-06-24 | 2021-09-10 | 中国计量大学 | 一种工地裸土监测方法 |
CN113378754B (zh) * | 2021-06-24 | 2023-06-20 | 中国计量大学 | 一种工地裸土监测方法 |
CN113283392A (zh) * | 2021-06-28 | 2021-08-20 | 苏州威视通智能科技有限公司 | 一种基于深度神经网络的建筑物场景理解系统及方法 |
CN113627388A (zh) * | 2021-08-30 | 2021-11-09 | 浙江大华技术股份有限公司 | 针对裸土覆盖情况的确定方法及装置 |
CN114612859A (zh) * | 2022-02-25 | 2022-06-10 | 交通运输部天津水运工程科学研究所 | 一种非专业化码头矿石堆垛苫盖智能检测方法 |
CN116645409A (zh) * | 2023-05-15 | 2023-08-25 | 三峡高科信息技术有限责任公司 | 基于图像光谱分析及边缘检测的裸土覆盖自动检测方法 |
CN117576076A (zh) * | 2023-12-14 | 2024-02-20 | 湖州宇泛智能科技有限公司 | 一种裸土检测方法、装置和电子设备 |
CN117576076B (zh) * | 2023-12-14 | 2024-09-27 | 湖州宇泛智能科技有限公司 | 一种裸土检测方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112215815A (zh) | 一种用于建筑工地的裸土覆盖自动检测方法 | |
CN102855487B (zh) | 高分辨率遥感图像新增建设用地变化图斑自动提取的方法 | |
CN109800698A (zh) | 基于深度网络的图标检测方法 | |
CN111598098B (zh) | 一种基于全卷积神经网络的水尺水位线检测及有效性识别方法 | |
CN113177183A (zh) | 一种基于海洋遥感图像的海水污染监测预警方法及系统 | |
CN112396635B (zh) | 一种基于多设备的复杂环境下多目标检测方法 | |
CN109740485A (zh) | 基于光谱分析和深度卷积神经网络的水库或塘坝识别方法 | |
Rottensteiner et al. | Building detection by Dempster-Shafer fusion of LIDAR data and multispectral aerial imagery | |
CN111639668A (zh) | 一种基于深度学习的人群密度检测方法 | |
CN109635720A (zh) | 基于视频主动监控的非法占道实时检测方法 | |
CN108229524A (zh) | 一种基于遥感图像的烟囱和冷凝塔检测方法 | |
CN110852164A (zh) | 一种基于YOLOv3的自动检测违章建筑方法及系统 | |
Henney et al. | Automated coronal hole detection using He I 1083 nm spectroheliograms and photospheric magnetograms | |
CN116486231A (zh) | 一种基于改进YOLOv5的混凝土裂缝检测方法 | |
CN117727046A (zh) | 新型山洪前端仪器仪表读数自动识别方法及系统 | |
CN107123109A (zh) | 一种用于桥梁裂缝检测的窗口滑动算法 | |
CN113378642B (zh) | 一种对农村违法占地建筑物进行检测的方法 | |
JP2007206843A (ja) | 水中または水面における移動体の計数方法、移動体の計数装置及び移動体の計数プログラム | |
CN115700737A (zh) | 一种基于视频监控的溢油检测方法 | |
CN112686285A (zh) | 一种基于计算机视觉的工程质量检测方法及系统 | |
CN112232303A (zh) | 一种基于高分遥感影像的草原道路信息提取方法 | |
CN115841557B (zh) | 基于数字孪生技术的智能起重机操作环境构建方法 | |
CN117274907A (zh) | 一种基于YOLOv5算法改进的烟火检测方法 | |
CN112070740A (zh) | 一种基于bim的港口堆场积水成像方法、系统及控制设备 | |
Lian et al. | [Retracted] Film and Television Animation Sensing and Visual Image by Computer Digital Image Technology |
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: 20210112 |