一种适用于复杂水下环境的深度学习大坝裂缝检测方法
公开
摘要
本发明公开了一种适用于复杂水下环境的深度学习大坝裂缝检测方法，包括以下步骤：对于水下相机采集的图像信息使用MSRCR算法进行图像增强，改善图像的视觉效果，使得改善后图像更适合被神经网络识别；获取裂缝目标图像，对图像中的裂缝目标进行手动标注，形成裂缝数据库；搭建YOLOv5神经网络，进行训练学习，将得到的保存着最佳权重值的文件作为训练网络的输入；将经过MSRCR图像增强后的图片传到YOLOv5神经网络进行训练，按照预先设定好的锚框对图像中的裂缝进行标注。本发明的方法可以有效地改善图像的视觉效果，克服了阴暗的水下环境导致获取的图像信息不利于裂缝识别的问题。
基本信息
专利标题 ：
一种适用于复杂水下环境的深度学习大坝裂缝检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114299060A
申请号 ：
CN202210001115.7
公开（公告）日 ：
2022-04-08
申请日 ：
2022-01-04
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
夏琳琳韩克航张道畅孟德昂张培鑫胡源子
申请人 ：
东北电力大学
申请人地址 ：
吉林省吉林市长春路169号
代理机构 ：
西安合创非凡知识产权代理事务所(普通合伙)
代理人 ：
高志永
优先权 ：
CN202210001115.7
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06N3/04 G06V10/764 G06V10/82 G06V20/05
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
