基于计算机视觉的公路边坡裂缝监测方法

TP277; 为及时发现裂缝问题并减少潜在的危害,提出一种公路边坡裂缝的自动监测方法.以公路边坡裂缝为研究对象,针对裂缝图像形态不规则、周边环境干扰大的特点,设计了公路边坡裂缝分割网络(slope cracks segmentation network,SCSNet)和公路边坡裂缝几何参数计算方法.该网络首先采用编码器逐渐捕获更高层次的语义特征,其次采用解码器通过逐渐恢复空间信息并结合跳跃连接融合不同尺度间的信息,然后利用通道注意力机制,学习每个通道间的特征,增强裂缝的特征表达.另外,提出参数计算方法,基于连通域分析得到裂缝连通域,并计算裂缝长度、宽度、面积几何参数.实验结果表明:裂缝分割网络...

Full description

Saved in:
Bibliographic Details
Published in北京工业大学学报 Vol. 50; no. 6; pp. 702 - 710
Main Authors 陈善继, 刘天禹, 刘鹏宇, 黄凯, 李瑶瑶
Format Journal Article
LanguageChinese
Published 北京工业大学计算智能与智能系统北京市重点实验室,北京 100124%青海省交通建设管理有限公司,西宁 810021 01.06.2024
青海民族大学物理与电子信息工程学院,西宁 810007%北京工业大学信息学部,北京 100124
先进信息网络北京实验室,北京 100124
Subjects
SCSNet
分割
channel attention
partitioning
裂缝
cracks
connectivity domain
通道注意力
geometric parameters
连通域
几何参数
Online AccessGet full text
ISSN0254-0037
DOI10.11936/bjutxb2022080018

Cover

More Information
Summary:TP277; 为及时发现裂缝问题并减少潜在的危害,提出一种公路边坡裂缝的自动监测方法.以公路边坡裂缝为研究对象,针对裂缝图像形态不规则、周边环境干扰大的特点,设计了公路边坡裂缝分割网络(slope cracks segmentation network,SCSNet)和公路边坡裂缝几何参数计算方法.该网络首先采用编码器逐渐捕获更高层次的语义特征,其次采用解码器通过逐渐恢复空间信息并结合跳跃连接融合不同尺度间的信息,然后利用通道注意力机制,学习每个通道间的特征,增强裂缝的特征表达.另外,提出参数计算方法,基于连通域分析得到裂缝连通域,并计算裂缝长度、宽度、面积几何参数.实验结果表明:裂缝分割网络的平均交并比达87.86％,该网络能较好地提取公路边坡裂缝特征;裂缝几何参数计算方法能较准确地测算裂缝的当前状态.
ISSN:0254-0037
DOI:10.11936/bjutxb2022080018