基于迁移学习的坝面表观缺陷智能检测方法研究

发布时间：2022-02-11 09:13

　　针对常规缺陷检测方法难适用于复杂环境下的坝面表观缺陷检测的问题,提出了一种基于迁移学习的坝面表观缺陷智能检测方法,主要解决坝面缺陷的识别与分类问题。该检测方法主要包括三个部分:首先采用图像预处理对多旋翼无人机采集到的原始图像数据进行数据扩充和特征突显;然后运用迁移学习方法将Inception-v3网络模型作为预训练模型,训练处理过后的缺陷数据,得到坝面缺陷检测模型;最后构建全连接分类网络并利用检测模型对测试集数据进行分类测试。试验结果显示:该检测方法仅耗时28 min就完成了对约33 000张缺陷数据的训练与测试,并对混凝土坝面存在的裂缝、漏筋、渗水和脱落四种缺陷的分类正确率达到了96%。结果表明,该检测方法能够实现对坝面缺陷精确且快速的识别和分类,能够为坝面后期的风险评估和维护提供有力的数据支撑,具有一定的工程意义。 

【文章来源】：水利水电技术. 2020,51(04)北大核心

【文章页数】：7 页

【部分图文】：

系统检测流程

在图像的形状、位置、角度的变化主要是通过仿射变换来完成的,仿射变换主要是对图像的缩放、旋转、剪切、翻转和平移的组合。仿射变换的矩阵M是一个2×3的矩阵,其中左边的2×2子矩阵A是线性变换矩阵,右边的2×1子矩阵B是平移变换矩阵,即图3 图像亮度调整结果

图像亮度调整结果

【参考文献】：
期刊论文
[1]我国水库大坝安全管理成就及面临的挑战[J]. 孙金华.  中国水利. 2018(20)



本文编号：3620009