一种基于无人机的裂缝检测方法_CN109767444A
基于无人机的煤矿采空区裂缝识别方法及检测系统[发明专利]
![基于无人机的煤矿采空区裂缝识别方法及检测系统[发明专利]](https://img.taocdn.com/s3/m/462e44f8fc4ffe473268ab28.png)
专利名称：基于无人机的煤矿采空区裂缝识别方法及检测系统专利类型：发明专利
发明人：程健,叶亮,郭一楠,王瑞彬,陈邵颖,张俊
申请号：CN201910245321.0
申请日：20190328
公开号：CN110147714A
公开日：
20190820
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于无人机的煤矿采空区裂缝识别方法及检测系统，包括摄像头、无人机、无人机地面站和数据服务器；通过对数据增广处理，结合图像的深度语义信息，构建深度语义分割模型，采用密集深度可分离卷积单元，充分利用图像特征，结合空间金字塔实现裂缝的多尺度特征提取；根据训练样本中裂缝占图像的权重，自适应设置损失函数，从而加速训练过程；采用密集分类，最终获得像素级检测结果。
本发明具有较高的裂缝检测精度，训练速度快，能有效减少巡视时间，提高检测可靠性，适用于大规模复杂背景下的煤矿采空区地表裂缝检测，能推广应用到其它行业的地质异常检测。
申请人：中国矿业大学
地址：221116 江苏省徐州市铜山区大学路中国矿业大学科研院
国籍：CN
代理机构：南京瑞弘专利商标事务所(普通合伙)
代理人：彭雄
更多信息请下载全文后查看。
基于无人机的公路路面破损与龟裂检测方法
利用模式识别算法对提取的龟裂特征进行分类和 识别，判断路面是否存在龟裂现象。
破损与龟裂检测方法的比较
精度与可靠性
破损检测方法通常具有较高的精 度和可靠性，而龟裂检测方法在 某些情况下可能存在误判或漏检 的情况。
适用场景
破损检测方法适用于各种类型的 路面破损检测，而龟裂检测方法 更适合于沥青路面的龟裂检测。
数据整理与标注
对采集到的路面图像进行预处理，如去噪 、增强等，并对破损和龟裂区域进行标注 ，用于后续分析。
数据分析与处理
特征提取
从标注后的路面图像中提取出 与破损和龟裂相关的特征，如
边缘、纹理、颜色等。
分类器训练
利用提取的特征训练分类器， 用于识别和分类路面破损和龟 裂。
算法优化
根据实验数据对分类器进行优 化，提高其识别准确率和鲁棒 性。
4. 对所开发的系统进行实验验证，评估其准确性和可 靠性。
02
无人机技术概述
无人机类型与特点
固定翼无人机
飞行时间长，飞行速度较快，适合大面积航拍和监测 。
旋翼无人机
机动灵活，可在复杂环境中飞行，适合精细作业和近 距离拍摄。
无人直升机
兼具固定翼和旋翼无人机的特点，但技术难度较高。
无人机在公路检测中的应用
利用深度学习算法，如卷积神经网络（CNN），对图像进行自动分 类和识别，提高破损区域的检测精度和速度。
路面纹理分析
通过分析路面纹理特征，如表面粗糙度、纹理方向等，判断路面是否 存在破损。
路面龟裂检测方法
特征提取
从无人机拍摄的图像中提取路面龟裂的特征，如 裂纹长度、宽度、走向等。
图像分割
利用图像分割算法将龟裂区域从图像中分离出来 ，便于后续的Biblioteka 征提取和识别。研究目的与任务
基于无人机的桥梁裂缝检测与测量系统
109基于无人机的桥梁裂缝检测与测量系统李红艳，周国源，孙宇乐，刘心雨，吴亿丰（湖北经济学院信息工程学院，湖北武汉430205）摘要：道路桥梁裂缝是危害桥梁安全的一种重要病害，为减少桥梁裂缝对桥梁工程的不利影响，延长国内桥梁使用寿命。
文章拟针对目前存在桥梁裂缝检测与测量的难点，依据近景摄影测量技术基本原理与计算机视觉中的相关技术，设计出一种通过无人机搭载相机与雷达的桥梁裂缝检测与测量系统，并利用光学相机标定与几何校正以及桥梁裂缝的鲁棒性提取实现桥梁裂缝高精度的检测与测量。
提高国内桥梁静态测量工程的术水平，解决传统人工接触式检测与测量所存在的缺陷。
关键词：桥梁工程；桥梁裂缝；无人机；裂缝测量；视觉测量中图分类号：TP391文献标识码：A文章编号：2096-9759（2023）03-0109-03Bridge crack detection and measurement system based on dronesLI Hongyan,ZHOU Guoyuan,SUN Yule,LIU Xinyu,WU Yifeng(School of Information Engineering,Hubei University of Economics,Wuhan430205,China)Abstract:The crack of road and bridge is an important disease that endangers the safety of bridge.In order to reduce the adverse effect of bridge crack on bridge engineering,prolong the service life of domestic Bridges.Aiming at the puzzle of bridge crack detection and measurement at present,this paper designs a bridge crack detection and measurement system based on the basic principle of close-range photogrammetry technology and related technology in computer vision.The bridge cracks can be de-tected and measured with high accuracy by using optical camera calibration and geometric correction as well as robust extrac-tion.To improve the technical level of domestic bridge static measurement engineering and solve the defects of traditional man-ual contact detection and measurement.Keywords:bridge engineering;bridge cracks;UA V;crack measurement;visual measurement0引言随着国内桥梁行业的不断发展，桥梁行业正从建设阶段向维护保养阶段逐渐过渡，根据《公路桥梁养护规范》等施工技术规范要求，当桥梁出现0.1mm以上的裂缝时，就应该对裂缝进行封修。
一种基于无人机影像的道路裂缝检测方法[发明专利]
![一种基于无人机影像的道路裂缝检测方法[发明专利]](https://img.taocdn.com/s3/m/6dc3535ba88271fe910ef12d2af90242a895abac.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202111319654.7(22)申请日 2021.11.09(71)申请人 上海海洋大学地址 201306 上海市浦东新区临港新城沪城环路999号(72)发明人 洪中华 杨帆 涂斌 潘海燕 马振玲 周汝雁 张云 韩彦岭 徐利军 杨树瑚 王静 (74)专利代理机构 上海唯智赢专利代理事务所(普通合伙) 31293代理人 姜晓艳(51)Int.Cl.G06T 7/00(2017.01)G06T 7/12(2017.01)G01N 21/88(2006.01)G06V 10/82(2022.01)G06V 10/80(2022.01)G06V 20/17(2022.01)G06N 3/04(2006.01)(54)发明名称一种基于无人机影像的道路裂缝检测方法(57)摘要本发明涉及人工智能的技术领域，公开了一种基于无人机影像的道路裂缝检测方法，利用无人机采集道路裂缝图像，构建图像数据集；构建改进U ‑Net神经网络模型，共七层，包括编码器和解码器，所述解码器包括三层，其最后一层中设置有CBAM注意力模块，编码后的各层特征图经上采样至原始输入图像大小，再与解码器中最后一层输出的特征图进行深浅层信息融合，然后进入CBAM注意力模块，所述CBAM注意力模块用于从通道层面和空间层面重新分配权重，得到更加聚焦裂缝的目标特征图；基于图像数据集，对构建好的改进U ‑Net神经网络模型进行训练和测试，并利用训练好的改进U ‑Net神经网络模型对待检图像进行检测。
权利要求书1页 说明书5页 附图2页CN 114359130 A 2022.04.15C N 114359130A1.一种基于无人机影像的道路裂缝检测方法，其特征在于包括以下步骤：步骤一、利用无人机采集道路裂缝图像，构建图像数据集；步骤二、构建改进U ‑Net神经网络模型，共七层，包括编码器和解码器，所述解码器包括三层，其最后一层中设置有CBAM注意力模块，编码后的各层特征图经上采样至原始输入图像大小，再与解码器中最后一层输出的特征图进行深浅层信息融合，然后进入CBAM注意力模块，所述CBAM注意力模块用于从通道层面和空间层面重新分配权重，得到更加聚焦裂缝的目标特征图；步骤三、基于图像数据集，对构建好的改进U ‑Net神经网络模型进行训练和测试，并利用训练好的改进U ‑Net神经网络模型对待检图像进行检测。
基于无人机图像的地面裂缝检测
基于无人机图像的地面裂缝检测作者：周敏来源：《电脑知识与技术》2017年第13期摘要：随着我国道路建设的完善，道路的管理与养护越来越重要。
该文针对道路裂缝，采用无人机的方式进行裂缝图像的获取，用图像处理的方法进行识别。
算法采用灰度变换的方式凸出裂缝，采用双边滤波在保持裂缝边缘的条件下进行去噪。
通过canny边缘检测进行图像的分割，将裂缝从背景图像中提取出来。
对于边缘检测过程中裂缝图像断裂的情况，采用线段最邻近端点相连的方式进行裂缝的连接，并通过线性检测的方式将裂缝最终识别出来。
测试结果取得了良好的效果。
关键词：裂缝检测：无人机；canny边缘检测：裂缝连接中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）13-0152-021概述目前为止，我国的道路桥梁建设十分的迅速，随着庞大的公路网的建成，随之而来的道路管理和养护问题也日益突出。
道路养护的实际过程中，从最初的人工发现问题到各种道路巡检车，慢慢地开始由原始的人工到半自动方向发展。
目前的针对道路的病害，尤其是道路的裂缝，基本还停留在由人工去发现以及判断裂缝病害程度的阶段。
道路病害的自动检测包括两个方面。
一是表观图像的获取。
目前发展出的主要是道路巡检车，同时随着无人机技术的飞速发展，将无人机应用于道路的管理养护工作中也是一个明显的趋势。
二是病害图像的智能识别处理。
这方面依靠的是图像处理技术的发展。
传统的图像处理技术以及新型的基于机器学习的图像处理技术都能有效的应用于道路病害识别这一领域。
2道路裂缝识别方案针对道路病害的信息获取，我们采用无人机，沿道路规定航线，搭配高倍变焦摄像头的方式进行裂缝图像的获取。
获取图像之后，就是对图像的处理，识别裂缝的存在。
在裂缝的识别过程中，首先要做的是图像预处理，包括图像的灰度化，灰度变换，以及滤波去噪。
第二步是图像的分割，将裂缝信息从复杂的原始图像中分离出来，对此有阈值分割和边缘检测两种方法。
基于无人机视觉的起重机表面裂纹检测方法
基于无人机视觉的起重机表面裂纹检测方法
周前飞;丁树庆;冯月贵;庆光蔚;胡静波
【期刊名称】《测控技术》
【年(卷),期】2022(41)4
【摘要】为解决起重机高空金属结构不可达部位裂纹的远程可视化检测难题,提出一种基于无人机视觉的结构表面裂纹检测与识别方法。
通过搭载高分辨率可见光相机的倒置式无人机检测平台,全方位采集大型起重机复杂钢结构表面图像;采用Faster R-CNN深度神经网络算法分类检测是否有裂纹缺陷,并以缺陷最小外接矩形框标记其位置;对检测出的裂纹目标框区域,利用最大熵阈值分割、Canny边缘检测、投影特征提取和骨架提取等方法,对裂纹长度、宽度、面积、长宽比等参数进行识别,并为长宽比和面积设置一定阈值,去除漆膜开裂和水渍等伪裂纹缺陷。
实验结果表明,Faster R-CNN裂纹检测算法准确率达到95.4%,速度达到2 f/s,同时裂纹宽度识别误差约为5.84%,实现了起重机结构表面疲劳裂纹的远程自动化检测。
【总页数】8页(P28-34)
【作者】周前飞;丁树庆;冯月贵;庆光蔚;胡静波
【作者单位】南京市特种设备安全监督检验研究院
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.基于机器视觉刹车蹄块片摩擦块表面裂纹检测法
2.基于无人机视觉的起重机检测技术研究
3.基于无人机视觉的储罐表面缺陷检测方法
4.基于机器视觉的圆柱齿轮表面微小裂纹检测方法
5.基于主动视觉的机械表面疲劳损伤裂纹检测
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(51)Int .Cl . G06T 7/00(2017 .01) G06T 5/30(2006 .01) G01N 21/88(2006 .01)
(10)申请公布号 CN 109767444 A (43)申请公布日 2019.05.17
( 54 )发明 名称 一种基于无人机的裂缝检测方法
权利要求书1页 说明书5页 附图3页
Байду номын сангаас
CN 109767444 A
CN 109767444 A
权 利 要 求 书
1/1 页
1 .一种基于无人机的裂缝检测方法，其特征在于：所述方法包括如下步骤： 步骤S1 、无人机上升至需 要检 测的 物体 ，无人机通过三 轴云台 相机获取物体待检 测区 域的图像； 步骤S2、无人机通过图像处理模块对获取的图像进行灰度变换形成灰度图 ； 步骤S3 、将灰 度图 中的 相邻两个像素值进行 相减 ，相减后的 相邻两个像素值差异小于 一预设 值的 全部赋 值为 0 ，相减 后的 相邻两个像素 值 差 异大 于所述预设 值的 全部赋 值为 255，并将重新赋值的图像像素存储到一矩阵中； 步骤S4 、将矩阵 中的图 像像素以图 像的 形式 展现得到一赋值图 像 ，将赋值图 像进行图 像腐蚀或者膨胀操作得到最终图像； 步骤S5 、无人机通过无线图 传发射机将最终图 像发送至远程终端 ，远程终端通过最终 图像来识别是否存在裂缝。 2 .根据权利要求1所述的一种基于无人机的裂缝检测方法，其特征在于：所述步骤S1和 S2之间还包括 ：步骤S10、把获取的图 像进行滤波处理来 消除 孤立的噪 声点 ，所述滤波处理 采用中值滤波算法。 3 .根据权利要求1所述的一种基于无人机的裂缝检测方法，其特征在于：所述将赋值图 像进行图像腐蚀操作得到最终图像，具体为：定义一个卷积核A，所述卷积核A为任何的形状 和大小 ，且卷积核A设置有一参考点 ；将卷积核A与赋值图 像进行卷积 ，获得卷积核B覆盖区 域的 像素点最小值 ；将这个最小值赋值给参考点指定的 像素 ，让图 像中的高亮区域逐渐减 小来使得图像中的裂缝处更加清晰。 4 .根据权利要求1所述的一种基于无人机的裂缝检测方法，其特征在于：所述将赋值图 像进行图像膨胀操作得到最终图像，具体为：定义一个卷积核B，所述卷积核B为任何的形状 和大小 ，且卷积核B设置有一参考点 ；将卷积核B与赋值图 像进行卷积 ，获得卷积核B覆盖区 域的 像素点最大值 ；将这个最大值赋值给参考点指定的 像素 ，让图 像中的高亮区域逐渐增 长来使得图像中的裂缝处加大显示。 5 .根据权利要求1所述的一种基于无人机的裂缝检测方法，其特征在于：所述无人机设 置有光线传感器，所述无人机通过光线传感器进行自适应避光操作，具体为：无人机的光线 传感器在 户外不同的时间段获取并记录对应的 光度值 ，为了保证无人机工作的 可靠性 ，取 多个光度值中最小值的光度值作为无人机三轴云台相机所处角度为正受太阳直射的光线 值；如果，无人机工作时光线传感器获取的光度值大于所述最小值，则无人机旋转一设定的 角度来避免三轴云台相机处于太阳光直射下。
2
CN 109767444 A
说 明 书
1/5 页
一种基于无人机的裂缝检测方法
技术领域 [0001] 本发明涉及无人机设备技术领域，特别是一种基于无人机的裂缝检测方法。
背景技术 [0002] 现有技术中一些设备长期暴露在潮湿的空气中会产生裂缝，如：起重机或者桥梁； 该起重机金属机构材质热处理不当会造成应力集中，在使用吊运载荷过程中应力集中的部 位长期承受拉应力是造成该起重机金属机构裂缝的主要原因。间接原因，第一，该设备为露 天靠海边作业 ，空气较为 潮湿 ，腐蚀锈蚀也容易产生裂缝 ；第二 ，该设备未设置起重量限 制 器 ，作业人 员不合理操作比 如斜拉 、超载使设备处于不合理工作状态也是造成 产发裂缝的 原因 ；而该些裂缝要是没及时处理出现安全事故。现有的 裂缝检测是进行人为爬上设备检 测，或者无人机进行检测，但是现有的无人机仅仅是到待检测的区域进行拍照后直接将照 片发送到远程终端，然后人工进行观察图片来检测是否有裂缝存在，这样检测效率并不高。
( 19 )中华人民 共和国国家知识产权局
( 12 )发明专利申请
(21)申请号 201910054361 .7
(22)申请日 2019 .01 .21
(71)申请人 福建省特种设备检验研究院 地址 350000 福建省福州市仓山区卢滨路 370号
(72)发明人 杨静 潘健鸿 邹山青 吴蔚峰
(74)专利代理机构 福州旭辰知识产权代理事务 所(普通合伙) 35233
发明内容 [0003] 为克服上述问题，本发明的目的是提供一种基于无人机的裂缝检测方法，提高了 设备裂缝的检测效率。 [0004] 本发明采用以下方案实现：一种基于无人机的裂缝检测方法，所述方法包括如下 步骤：
步骤S1、无人机上升至需要检测的物体，无人机通过三轴云台相机获取物体待检测区 域的图像；
步骤S2、无人机通过图像处理模块对获取的图像进行灰度变换形成灰度图 ； 步骤S3、将灰度图中的相邻两个像素值进行相减，相减后的相邻两个像素值差异小于 一预设 值的 全部赋 值为 0 ，相减 后的 相邻两个像素 值 差 异大 于所述预设 值的 全部赋 值为 255，并将重新赋值的图像像素存储到一矩阵中； 步骤S4、将矩阵中的图像像素以图像的形式展现得到一赋值图像，将赋值图像进行图 像腐蚀或者膨胀操作得到最终图像； 步骤S5、无人机通过无线图传发射机将最终图像发送至远程终端，远程终端通过最终 图像来识别是否存在裂缝。 [0005] 进一步的，所述步骤S1和S2之间还包括：步骤S10、把获取的图像进行滤波处理来 消除孤立的噪声点，所述滤波处理采用中值滤波算法。 [0006] 进一步的，所述将赋值图像进行图像腐蚀操作得到最终图像，具体为：定义一个卷 积核A，所述卷积核A为任何的形状和大小，且卷积核A设置有一参考点；将卷积核A与赋值图 像进行卷积，获得卷积核B覆盖区域的像素点最小值；将这个最小值赋值给参考点指定的像 素，让图像中的高亮区域逐渐减小来使得图像中的裂缝处更加清晰。 [0007] 进一步的，所述将赋值图像进行图像膨胀操作得到最终图像，具体为：定义一个卷 积核B，所述卷积核B为任何的形状和大小，且卷积核B设置有一参考点；将卷积核B与赋值图
( 57 )摘要 本发明提供了一种基于无人机的裂缝检测
方法 ，该方法 ：步骤S1 、无人机通过三轴云台相机 获取物体待检 测区域的图 像 ；步骤S2 、无人机通 过图像处理模块对获取的图像进行灰度变换形 成灰度图 ；步骤S3、将灰度图中的相邻两个像素 值进行相减，相减后的相邻两个像素值差异小于 一预设值的 全部赋值为0 ，相减后的 相邻两个像 素值差异大于所述预设值的 全部赋值为255 ，并 将重新赋值的图像像素存储到一矩阵中 ；步骤 S4、将矩阵中的图像像素以图像的形式展现得到 一赋值图像，将赋值图像进行图像腐蚀或者膨胀 操作得最终图 像 ；步骤S5 、无人机通过无线图 传 发射机将最终图像发送至远程终端，远程终端通 过最终图像来识别是否存在裂缝 ；本发明提高了 设备裂缝的检测效率。