
基本信息:
- 专利标题: 一种基于特征输入增强的渗漏水病害深度学习检测方法
- 申请号:CN202210402174.5 申请日:2022-04-18
- 公开(公告)号:CN115409768A 公开(公告)日:2022-11-29
- 发明人: 谭兆 , 王保宪 , 王长进 , 赵维刚 , 齐春雨 , 石德斌 , 秦守鹏 , 薛琪 , 杨云洋 , 张云龙 , 杨双旗 , 谷洪业 , 房博乐
- 申请人: 中国铁路设计集团有限公司 , 石家庄铁道大学
- 申请人地址: 天津市滨海新区空港经济区东七道109号;
- 专利权人: 中国铁路设计集团有限公司,石家庄铁道大学
- 当前专利权人: 中国铁路设计集团有限公司,石家庄铁道大学
- 当前专利权人地址: 天津市滨海新区空港经济区东七道109号;
- 代理机构: 天津创智睿诚知识产权代理有限公司
- 代理人: 王融生
- 主分类号: G06T7/00
- IPC分类号: G06T7/00 ; G06N3/04 ; G06N3/08 ; G06T7/136
摘要:
本发明公开了一种基于特征输入增强的渗漏水病害深度学习检测方法,包括:渗漏水图像方向滤波抑制,将方向滤波结果作为后续深度神经网络输入图像特征通道的第一部分;渗漏水区域信号分割增强处理:采用图像信号大津阈值分割法对隧道巡检图像数据进行分割预处理,再利用图像空域滤波器进行平滑处理,将经过图像空域滤波后的特征输入增强权重矩阵与原图像进行相乘,将所得结果作为后续深度神经网络输入图像特征通道的第二部分;建立渗漏水病害检测与识别模型。该方法大大提高了对渗漏水病害检测与识别性能。
IPC结构图谱:
G | 物理 |
--G06 | 计算;推算;计数 |
----G06T | 一般的图像数据处理或产生 |
------G06T7/00 | 图像分析,例如从位像到非位像 |