[发明专利]一种基于深度学习的隧道裂缝快速识别方法有效
| 申请号： | 201810038939.5 | 申请日： | 2018-01-16 |
| 公开（公告）号： | CN108229461B | 公开（公告）日： | 2021-12-28 |
| 发明（设计）人： | 刘学增;刘新根;朱爱玺;刘海波 | 申请（专利权）人： | 上海同岩土木工程科技股份有限公司 |
| 主分类号： | G06K9/20 | 分类号： | G06K9/20;G06K9/34;G06N3/04;G06N3/08 |
| 代理公司： | 上海浦东良风专利代理有限责任公司 31113 | 代理人： | 张劲风 |
| 地址： | 200092 上海*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明是一种基于深度学习的隧道裂缝快速识别方法，主要解决目前基于深度学习的裂缝检测方法无法直接获取裂缝的长度和宽度信息的问题，本发明包括步骤：S1、创建深度学习图像训练集；S2、训练深度卷积神经网络模型；S3、使用训练好的卷积神经网络模型对待检测图像进行检测并输出预测标签图像；S4、根据预测标签图像输出检测结果，包括图像类别、裂缝的坐标信息以及裂缝的像素级宽度值和长度值；S5、根据检测结果输出病害记录结果，若待检测图像中存在裂缝，则记录图像名称、裂缝的坐标信息以及裂缝的实际宽度值和长度值；若待检测图像中没有裂缝，则不记录。 | ||
| 搜索关键词： | 一种 基于 深度 学习 隧道 裂缝 快速 识别 方法 | ||
【主权项】：
1.一种基于深度学习的隧道裂缝快速识别方法，其特征在于，包括以下步骤：S1、创建深度学习图像训练集；S2、训练深度卷积神经网络模型；S3、使用训练好的卷积神经网络模型对待检测图像进行检测并输出预测标签图像；S4、根据预测标签图像输出检测结果，包括图像类别、裂缝的坐标信息以及裂缝的像素级宽度值和长度值；S5、根据检测结果输出病害记录结果，若待检测图像中存在裂缝，则记录图像名称、裂缝的坐标信息以及裂缝的实际宽度值和长度值；若待检测图像中没有裂缝，则不记录。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海同岩土木工程科技股份有限公司，未经上海同岩土木工程科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810038939.5/，转载请声明来源钻瓜专利网。
