[发明专利]基于深度学习网络的建筑物表面裂缝检测方法在审
| 申请号： | 202011079233.7 | 申请日： | 2020-10-10 |
| 公开（公告）号： | CN112330593A | 公开（公告）日： | 2021-02-05 |
| 发明（设计）人： | 黄思婷;温馨;陈培伦;郭玲 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/62;G06T5/40;G06T7/136;G06T7/187;G06N3/04;G06N3/08 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 陈鹏 |
| 地址： | 210094 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习网络的建筑物表面裂缝检测方法，包括以下步骤：创建网络训练数据集；构建深度学习网络模型，并进行训练；使用训练好的深度学习网络模型检测图像，并输出预测标签图像；对含有裂缝的预测标签图像进行基于裂缝特征的分析与检测；裂缝参数计算与输出，包括每条裂缝的坐标信息、及其长度与宽度。与传统的裂缝检测方法对比，本发明结合全卷积网络与残差网络的思想，构建了用于裂缝检测的深度学习网络，可以任意尺寸的彩色图像为输入，实现了端到端的检测，模型具有较高的检测准确率与较强的泛化能力；此外，基于特征对裂缝进行了连接处理，进而计算其长度和宽度，为裂缝的定量评估提供了有力的手段。 | ||
| 搜索关键词： | 基于 深度 学习 网络 建筑物 表面 裂缝 检测 方法 | ||
【主权项】：
暂无信息
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南京理工大学，未经南京理工大学许可，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/202011079233.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种应用于射频综合系统的雷达装置
- 下一篇：饱和聚酯树脂
