1、检查房屋有无裂缝。首先要仔细查看房屋主卧室及客厅靠近露台的地面和顶上有无裂缝,没有裂缝最好,如有裂缝,要看是什么样的裂缝。一般来说,与房间横梁平行的裂缝,虽属质量问题,但基本不存在危险,修补后不会妨碍使用。若裂缝与墙角呈45度斜角或与横梁垂直,说明该房屋沉降严重,存在结构性质量问题。其次要看露台处的两侧墙面是否有裂缝,若有裂缝也属严重的质量问题。最后看承重墙是否有裂缝,若裂缝贯穿整个墙面并且透
自从YOLO诞生依赖,关于YOLO的各种版本迭代更新就从未停止过,前不久的时候官方也推出了全新一代的YOLOv7模型,在各大主流视觉任务上都取得了很大的进步。官方项目地址在这里,首页截图如下所示: 截止目前已经有超过6.5K的star量了,还是很强的。感兴趣的话可以自行前去学习了解,闲话就说到这里了,接下来进入正文,首先来看效果: 裂缝检测系统演示 接下来看下完整项目详情:&nbs
基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测导图和笔记资源下载三级目录# (外 Q1 2021)基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测chap2 传统裂纹检测方法1)Traditional Image Process-Based Crack DetectionWavelet Transform小波转换将路面图像信号转换到频域,并设置适当的阈值用以划分裂纹的高频信号和非裂纹的
# Python裂缝检测:一种智能监测技术 随着科技的发展和工业的进步,裂缝检测成为了许多工程领域中的一项重要任务。裂缝不仅会影响建筑物的美观,更会威胁到结构的安全性。因此,及时、准确地检测裂缝显得尤为重要。本文将探讨如何使用Python进行裂缝检测,结合相关的代码示例以及一些数据可视化技术,以便更好地理解这一过程。 ## 裂缝检测的基本原理 裂缝检测通常可以分为两种方式:人工检测和自动化检
原创 2024-09-19 07:24:16
291阅读
3.基于计算机视觉技术的结构表面裂缝检测方法研究1论文 | 基于计算机视觉技术的结构表面裂缝检测方法研究 作者 | 韩晓健 赵志成期刊 | 建筑结构学报时间 | 2018文章在AlexNet网络的基础上使用迁移学习对图片进行分类,再通过各种方法对裂缝图像进行处理,获得裂缝。整个流程如下:样本准备:在AlexNet网络的基础上使用迁移学习,将150张裂缝图片滑动剪裁为小尺寸的图像,放入训练获得模型,
裂缝检测技术-基于图像处理1.基于阔值分割的裂缝检测方法2.基于形态学的裂缝检测方法3.基于区域生长的裂缝检测方法4.基于渗流模型的裂缝检测方法5.基于小波变换的裂缝检测算法6.基于神经网络的裂缝检测方法 1.基于阔值分割的裂缝检测方法基于阈值分割的裂缝检测方法是一种综合的裂缝检测算法,主要分为两步:首先对输入的图像进行预处理,目的是去除混凝土表面图像上的背景噪声,同时增强裂缝特征;其次对预处理
使用 Python 进行深度学习以进行裂纹检测问题陈述数据集准备训练模型结论 问题陈述虽然新技术已经改变了我们生活的方方面面,在建筑领域似乎牛逼Ø正在努力追赶。目前,建筑物的结构状况仍然主要是人工检查。简单来说,即使现在需要检查结构是否有任何损坏,工程师也会手动检查所有表面并拍下一堆照片,同时记录任何裂缝的位置。然后需要在办公室多花几个小时来整理所有照片和笔记,试图从中做出有意义的报告。显然,这
用Matlab实现裂缝识别,代码实现21世纪以来,随着我国经济的飞速发展,关系到整个国民经济及人民生活的重要物理设施之一的道路交通也展开了大规模的建设。道路面积的大幅增长同时带来了相关的道路养护问题。这些问题最初可能只是一条小小的裂缝,但是如果没有得到及时修缮,随着时间的推移,小问题可能会变得无法简单修补,甚至于带来不必要的灾难,给人类、物资带来不可挽回的损失。近几年来,道路裂缝检测和识别技术已
Python Yolov5路面裂缝识别检测运行结果如下: 主要代码: import argparse import logging import math import os import random import time from copy import deepcopy from pathlib import Path from threading import Thr
转载 2023-11-14 18:40:08
160阅读
主要内容本文对裂缝检测技术进行了深入研究,并结合裂缝图像的特征,提出了一种基于传统机器学习和图像处理技术的裂缝检测方法,实现裂缝基本参数的计算和显示。内容如下:1.裂缝图像采集(无人机)2.裂缝图像预处理3.裂缝分割(提取)、裂缝连接4.裂缝分类(SVM支持向量机)5.裂缝主要参数计算(裂缝长度、裂缝最大宽度、裂缝面积占比)6.MATLAB GUI软件界面设计7.结束语本文提供裂缝检测系统软件及完
1.基于图像处理的地铁隧道裂缝识别算法研究1论文 | 基于图像处理的地铁隧道裂缝识别算法研究 作者 | 王耀东 ,余祖俊 ,白 彪 ,许西宁,朱力强由于受到环境影响,裂缝图像普遍存在着低对比度、光照不均匀、噪声污染严重等问题,该文章提出了提出了一种全局与局部相结合的预处理算法,以及基于连通区域的多级滤波算法。预处理能够高效抑制低对比度和光照不均匀的影响,基于连通区域的多级滤波方法可以较好地滤除图像
论文 | A novel hybrid approach for crack detection【一种新型的混合裂缝检测方法】 作者 | Fen Fang*, Liyuan Li, Ying Gu, Hongyuan Zhu, Joo-Hwee Lim期刊 | Pattern Recognition(模式识别)时间 | 2020年该文章的主要技术路线是将Faster R-CNN 与 概率分析中的贝
各种裂缝(包括墙面裂缝,路面裂缝等)的目标检测yolo数据标注,画框打标签。 语义分割数据标注,打标签,像素级分割。标题:基于YOLO的裂缝目标检测算法与语义分割技术应用摘要: 裂缝检测在城市维护和建设中具有重要意义。本文提出了一种基于YOLO的裂缝目标检测算法,并结合语义分割技术实现对裂缝的精确标注。本文详细介绍了算法的原理和设计思路,并展示了其在实际场景中的应用效果。同时,我们还提供了灵活的价
此示例是一个综合的示例,检测的是皮革纹理表面上出现的凸起、凹痕、划痕上的缺陷。使用的依然是光度立体法,只是不同的缺陷,需要使用的是不同参数所生成的图像。示例代码如下:* 使用光度立体的方法检测皮革样品 * Initialization dev_update_off () dev_close_window () dev_open_window (0, 0, 640, 480, 'black', W
路面裂缝检测是计算公路状况指数的重要依据[1],传统的检测方法主要是靠人工检测,测量精度差、检测效率低、同时检测人员会有安全隐患[2-3]。现在多采自动检测的方法对路面裂缝的损害进行检测,其中使用数字图像处理的方法最为普遍。其发展最初在 20 世纪 90 年代,到21 世纪更是有了飞速的发展。Subirats 等[4]将小波变换的方法引入到裂缝检测中,从而进行裂缝提取。唐磊等[5]将图像从二维面转
许昌防裂贴使用方法,怎么使用这就要求在铺设防裂贴之前一定要保证基顶的清洁、干燥,雨雪天气严禁施工,否则这些水分就会积聚在基顶和防裂贴之间难以挥发。防裂贴(抗裂贴)作用(1)防裂贴相当于在沥青加铺层和旧水泥混凝土路面之间设置了一道缓冲层,避免了沥青层直接处于裂缝的应力集中区域,而由抗拉强度较高的织物本身承受较大的拉应力,从而阻碍了裂缝的迅速扩展。有研究认为,在保证抗拉强度要求的前提下,防裂贴延伸率越
原图: 处理后的图片:主要方法为: 对图像进行拆分,提取RGB三个分量。 对B分量进行处理,将其转换为频域内图像,并对其进行高斯卷积。 再将卷积处理后的图像转换回空间域图像。 随后将B分量图像和处理后的B分量图像用算子sub_image做差运算。 最后就可以调用lines_gauss提取印痕了。 为避免边框对lines_gauss的影响,对图像进行了一定的截取处理, 用erosion_rectan
OpenCV java API的文档说明在OpenCV-2.4.10-android-sdk/sdk/java/javadoc/index.html的文件夹下。想用java API的方式进行OpenCV4android 应用开发还是挺简单,首先就这些API先熟悉一下,然后对自己要开发的应用设计好流程,需要用到什么的数据结构进行存储,用到什么算法。然后对算法进行了解,输入参数是什么,输出参数是什么。
转载 2023-09-15 18:15:16
70阅读
基于MATLAB的路面裂缝检测 第一章 绪论1.1引言 本章介绍本论文的研究目的与意义、国内外研究现状,论文的研究内容和组织结构。其中: 1.2节介绍本文的立题依据与研究意义。 1.3节综述了国内外关于路面裂缝检测的研究现状和进展。 1.4节提出本文的研究目标、研究内容、研究方法及拟解决的关键问题。 1.5节简述了本文的组织结构安排。1.2 研究的背景与意义 目前,我国高等级公路的建设取得空前发展
振弦式位错计适用于长期测量水工结构物或其它混凝土结构物伸缩缝的开合度(变形),亦可用于测量土坝、土堤、边坡等结构物的位移、沉陷、应变、滑移,并可同步测量埋设点的温度。加装配套附件可组成基岩变位计、多点变位计、土应变计等测量变形的仪器。4埋设与安装4.1 简述位错计的使用场合很广,仪器经加装一些专用附件就可以组装成裂缝计(表面测缝计)、位错计、基岩位移计、多点位移计等测量位移的仪器。这些仪器适应的工
  • 1
  • 2
  • 3
  • 4
  • 5