计算机工程与应用››2021,第57卷››问题(9): 23-35.内政部:10.3778/j.issn.1002-8331.2012-0500

• 热点与综述 • 上一篇   下一篇

基于深度卷积神经网络的裂纹检测方法综述

冉蓉,徐兴华,邱少华,崔小鹏,欧阳斌  

  1. 海军工程大学 舰船综合电力技术国防科技重点实验室,武汉 430033
  • 出版日期:2021-05-01 发布日期:2021-04-29

基于深度卷积神经网络的裂纹检测方法综述

冉荣、徐兴华、邱少华、崔小鹏、欧阳斌  

  1. 海军工程大学船舶综合动力系统科学技术国家重点实验室,武汉430033
  • 在线:2021-05-01 出版:2021-04-29

摘要:

裂纹是威胁民用基础设施安全运行的重要因素之一,及时准确地检测出裂纹可以有效避免事故的发生。基于计算机视觉的自动裂纹检测方法具有操作简单、检测速度快、检测精度高的优点,被广泛应用于桥梁、道路监测、房屋建造、轨道交通等领域。总结了现有裂纹检测主要手段,详细介绍了三类基于深度卷积神经网络的裂纹检测方法,即基于分类的裂纹检测、基于目标检测的裂纹检测、基于像素级分割的裂纹检测,分析了基本原理、优缺点及其实际应用。汇总了裂纹检测领域常用数据集,并探讨了基于深度卷积神经网络的检测方法存在的问题,对其未来发展进行了展望。

关键词: 裂纹检测, 计算机视觉, 深度学习, 图像处理, 机器学习, 深度卷积神经网络

摘要:

裂缝是威胁民用基础设施安全的最重要因素之一,及时准确的表面裂缝检测可以有效避免可能发生的事故。基于深度卷积神经网络(DCNN)的裂缝检测方法具有操作简单、检测速度快、精度高等优点,目前广泛应用于桥梁、道路监测、建筑施工、铁路运输等结构监测领域。本文总结了现有的主要裂纹检测方法,并从三个方面对基于DCNN的裂纹检测方法进行了综述:基于分类的方法、基于对象检测的方法和基于分割的方法。分析了它们的原理、优缺点和实际应用。本文介绍了裂纹检测中常用的数据集,并讨论了基于DCNN的裂纹检测方法的潜在问题和未来发展。

关键词: 表面裂纹检测, 计算机视觉, 深度学习, 图像处理, 机器学习, 深度卷积神经网络