摘要
本发明公开了一种基于边缘计算和深度学习的水下混凝土结构裂缝检测方法,包括对图像数据库中的水下混凝土结构裂缝图像数据,进行像素预处理获取预处理图像,构建轻量级图像分割网络以对预处理图像进行图像增强处理获取图像增强数据集;构建ASF‑ODConv‑YOLOv8网络模型,并根据图像增强数据集进行网络训练与验证获取裂缝智能识别算法模型;基于裂缝智能识别算法模型,根据测试集获取水下混凝土结构裂缝的预测裂缝类别标签;构建水下混凝土结构裂缝的数字孪生模型,以实现对水下混凝土结构裂缝的检测。解决了传统识别方法在时空覆盖范围、环境适应性、识别效率以及精度方面存在局限性,且依赖于主观判断,易造成漏别与误别的问题。
技术关键词
水下混凝土
裂缝检测方法
裂缝特征
智能识别算法
组合模块
网络单元
网络模块
图像增强
数字孪生模型
图像分割网络
输出特征
检测头
文件夹
分类网络
注意力机制
构建图像数据库
系统为您推荐了相关专利信息
裂缝识别方法
红外热成像仪器
红外热像仪
简化后续处理过程
数据处理软件
知识图谱模型
深度学习分类模型
算法模型
指令
智能识别算法
信号分析仪
信号识别模型
测量方法
信号特征识别
时间序列特征