基于图像识别的建筑外墙裂缝智能检测方法研究
摘要
在结构安全与使用寿命方面,早期识别建筑外墙裂缝意义重大,而传统检测方式存在主观性强、效率低等局限难以符合现代建筑维护高效化的需求。图像识别的智能检测方法利用卷积神经网络提取和分类裂缝图像特征以自动识别裂缝位置、判断类型,再结合图像预处理、数据增强、深度学习模型优化等技术提升裂缝检测的准确率与鲁棒性,从而为建筑结构健康监测提供高效、客观、可视化的技术支撑。
关键词
建筑外墙裂缝;图像识别;卷积神经网络;智能检测;深度学习
全文:
PDF参考
刘桐.建筑施工中外墙保温工程裂缝防治与质量控制措施[J].中国建筑装饰装修,2024,11(6):166-168.
陈曹阳.基于无人机与改进的Mask R-CNN的外墙裂缝检测技术研究[D].湖南:长沙理工大学,2022.
夏子祺,马临原,单伽锃,等.基于计算机视觉的建筑外墙剥落和裂缝两阶段检测方法[J].建筑结构学报,2023,44(2):207-216.
刘少华,任宜春,郑智雄,等.基于航拍图像与改进U-Net的建筑外墙裂缝检测方法[J].土木与环境工程学报(中英文),2024,46(1):223-231.
蔡茹莹.基于计算机视觉的建筑物外墙裂缝智能检测及其几何量化评级研究[D].广东:深圳大学,2022.
DOI: https://doi.org/10.33142/ect.v3i6.16861
Refbacks
- 当前没有refback。