公开(公告)号：CN117392077A

公开(公告)日：2024-01-12

申请号：CN202311313647.5

申请日：2023-10-11

Applicant: 大连海事大学

Inventor： 李晓飞 ,  卫孟浦 ,  苏绒绒 ,  李德飞 ,  宋泰毅 ,  张臣 ,  张立晓 ,  邹铮

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06T5/10 ,  G06T5/40 ,  G06T5/70 ,  G06T5/80 ,  G06T7/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/096

Abstract: 本发明公开了一种基于yoloV7改进算法的桥梁水下结构裂缝识别方法，包括以下步骤：制作裂缝试块；对水下相机进行标定；将裂缝试块置于测试水体中，通过水下相机进行图像采集、大小统一和图像增强等处理；通过DDPM网络模型对图像进行扩充；用labelimg软件对图像进行裂缝标记；构建Mobilenetv3‑YOLOv7‑tiny网络模型对图像进行训练，获得水下裂缝识别训练模型；将所述水下裂缝识别训练模型嵌套在水下机器人系统中以进行桥梁水下结构裂缝识别。本发明公开的桥梁水下结构裂缝识别方法具有显著提升了获得的水下图像质量，提升了水下裂缝的识别性能，并可以在复杂水下工况下也能保证对病害的识别，在混凝土水下结构的裂缝检测中拥有广阔的应用前景，便于桥梁等结构长久有效运行。

公开(公告)号：CN119130890A

公开(公告)日：2024-12-13

申请号：CN202311430218.6

申请日：2023-10-31

Applicant: 大连海事大学

Inventor： 李晓飞 ,  卫孟浦 ,  李德飞 ,  苗博宇 ,  苏绒绒 ,  程鹏 ,  孟庆航 ,  张臣 ,  张立晓 ,  邹铮

IPC: G06T7/00 ,  G06T7/73 ,  G06T7/80 ,  G06T5/40 ,  G06T5/90 ,  G06T5/73 ,  G06V10/25 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/094

Abstract: 本发明公开了一种基于深度学习的桥梁水下裂缝检测方法与可移动平台，包括裂缝试块制作，水下相机标定及密封舱制作，水下图像获取及增强，水下图像扩充，水下数据集制作，在yolov5网络的基础上增加AF‑FPN结构，根据改进的yolov5网络对水下数据集中的水下图像的裂缝进行检测和定位并获取裂缝所在的目标区域，将TransUNet中的标准卷积层全部替换为深度可分离卷积层，形成DS‑TransUNet网络，在DS‑TransUNet网络中引入SeNet注意力机制形成DS‑SeNet‑TransUNet网络，对DS‑SeNet‑TransUNet网络进行训练，基于训练后的DS‑SeNet‑TransUNet网络对裂缝所在的目标区域进行识别及验证并获取裂缝的量化信息，获取待检测的桥梁水下图像，根据训练后的DS‑SeNet‑TransUNet网络对待检测的桥梁水下图像进行检测。提高了水下图像裂缝检测和测量精度，基于可移动平台提高了检测效率。