摘要
本发明涉及一种基于卷积神经网络的石雕表面细节损伤检测方法,旨在利用深度学习技术自动检测和评估石雕表面的损伤。该方法包括:获取石雕表面的多模态图像数据和三维模型,通过多视图立体匹配算法进行配准;设计并训练多尺度卷积神经网络和时空图卷积网络提取时空特征;引入超分辨率重建的损伤增强模块;开发多视点几何一致性损伤检测方法;采用稀疏编码和图像字典学习提取损伤特征;使用智能无人机与地面机器人协同系统进行自动化损伤检测;集成分布式传感器网络进行实时监控和预测;构建基于区块链的文物保护数据平台。
技术关键词
损伤检测方法
石雕
图像
三维点云数据
地面机器人
多任务生成对抗网络
分布式传感器网络
多尺度特征融合网络
多尺度卷积神经网络
融合特征
三维模型
拉普拉斯
结构光三维重建
联合损失函数
智能无人机
协同系统
时空注意力机制
生成器网络
卷积特征
系统为您推荐了相关专利信息
数字图像处理方法
图像处理算法
环境光照强度
离散余弦变换系数
场景分类
虚拟镜头控制
框选方法
画面
强化学习算法
神经网络模型
性能检测方法
路面缺陷
状态监测数据
性能检测系统
路径匹配