导读:本文包含了表面裂缝论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:裂缝,图像,无人机,表面,水力,算法,卷积。
表面裂缝论文文献综述
阳恩慧,张傲南,杨荣山,王郴平[1]（2019）在《高速铁路无砟轨道表面裂缝叁维图像自动识别算法》一文中研究指出无砟轨道表面伤损的自动检测技术是当前高速铁路检测与监测的关键技术。采用叁维图像技术,将原始叁维图像转换为二进制图,基于叁维光影模型的轨道结构表面裂缝的叁维图像识别算法,采用连通域分析与线性形态分析方法,了轨道结构裂缝识别中图像噪声消除算法,从而提高轨道结构表面裂缝自动识别的准确率。室内试验对比结果表明:课题组研发的高速铁路轨道表面伤损检测系统,可获得高精度的裂缝长度、宽度以及深度的数据信息,轨道板裂缝最大宽度的识别结果相对误差为6.25%、9.68%,裂缝长度的测试识别相对误差为1.39%、2.92%,平均深度的测试识别相对误差为15.69%、13.04%。采用提出的裂缝识别算法可实现100%准确率的裂缝自动识别。(本文来源于《铁道学报》期刊2019年11期）
刘奇,梁冰,李宏艳,孙维吉,刘香江[2]（2019）在《水力压裂裂缝在页岩表面扩展特征的试验研究》一文中研究指出为探究水力裂缝在页岩表面起裂及扩展特征,以四川省龙马溪组露头页岩为研究对象,开展岩体表面裂缝起裂扩展数字散斑观测试验,通过分析水力压裂裂缝扩展时页岩表面位移场和应变场演化揭示了岩体表面裂缝的动态扩展特征.试验结果表明:水力裂缝沿最大主应力方向起裂和扩展,裂缝走向与最大主应力呈锐角;裂缝扩展速度约为0.65 m/s,具有高速性特点,不同水力裂缝起裂扩展在时间上有先后性.扩展裂缝两侧会形成非对称分布的半椭圆状位移变化区域,影响范围是缝宽的32倍;裂缝扩展区域呈现为应变梯度值较大的拉应变.裂缝扩展只对裂缝周边有限范围内岩体起影响作用.(本文来源于《辽宁工程技术大学学报(自然科学版)》期刊2019年06期）
徐港,赵恬悦,蒋赏,高德军[3]（2019）在《基于多种连通域特征的结构表面裂缝提取方法》一文中研究指出针对传统裂缝图像信息提取方法的局限性,提出了一种基于多种连通域特征的工程结构表面裂缝提取方法.在采用最大类间方差(Otsu)法对原始图像进行初始分割的基础上,对裂缝图像的连通域面积、最小外接矩形长宽比和连通域内最远距离等连通域特征参数分别进行K-means聚类分析,得到了裂缝目标和噪声背景区域的连通域特征参数分布范围;进而建立了一种新的裂缝信息提取方法,并给出了具体算法流程.该方法与其他方法对比验证表明:该算法计算得到有效性评价系数平均值为0.039 3,比其他方法具有更强的抗噪性和适用性.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年10期）
郭宝立[4]（2019）在《试论基于无人机采集图像的建筑物表面裂缝检测方法》一文中研究指出表面裂缝检测工作一直都是建筑工程项目的重要环节,随着高层建筑数量不断增加,传统的检测方法已经无法满足建筑物发展需求。基于此,本文针对无人机采集图像的建筑物表面裂缝检测方法进行分析,从宽度、长度、面积这叁个方面入手提出无人机采集图像具体的测量方法,明确无人机采集图像的应用价值。(本文来源于《居舍》期刊2019年27期）
王任玉,梁格,林哲钰,朱洪波,李海红[5]（2019）在《基于Mie谐振原理的金属表面裂缝微波无损检测》一文中研究指出介电颗粒在与入射电磁波的相互作用过程中会产生Mie谐振,导致谐振频率附近的微波被吸收,此时电磁场的能量会聚集在介电颗粒附近,若周围有微小扰动(例如金属反射表面的细小裂缝),会引起谐振频率的明显变化.通过矢量网络分析仪测量电磁波反射系数,并记录吸收峰的频率变化,可以获取裂缝的信息.实验中对不同尺寸的裂缝进行了探测,可以归纳出两条规律:对同一深度(或宽度)的裂缝,介电颗粒谐振频率随着裂缝宽度(深度)增大向低频移动,并且谐振频率的变化率也随裂缝宽度(深度)增大而减小.(本文来源于《大学物理》期刊2019年09期）
邵闯,王生怀,徐风华,周红勋[6]（2019）在《基于图像处理的混凝土表面裂缝检测研究》一文中研究指出为了满足道路、桥梁、房屋等混凝土结构的表面裂缝快速检测的要求,利用图像处理技术对裂缝进行自动检测。对获取的裂缝图像进行灰度化处理、Gamma校正,基于加权中值滤波提出了一种改进的中值滤波方法并对裂缝图像进行去噪,采用阈值分割方法以及形态学处理提取出完整裂缝并判断其类型,最后提出了一种线型裂缝宽度的计算方法。实验结果表明裂缝目标能准确提取出来,所检测出的裂缝宽度值与实测值的相对误差在2%以内,方法具有有效性。(本文来源于《湖北汽车工业学院学报》期刊2019年02期）
文青[7]（2019）在《基于深度学习的建筑物表面裂缝检测技术研究与实现》一文中研究指出在大坝、桥梁、隧道等基础设施的建设中,混凝土作为用途最广、用量最大的一种建筑材料发挥着重要作用。然而由于恶劣天气、使用时间、材料质量和施工技术等原因,建筑物的混凝土构件经常会出现不同程度的裂缝,导致混凝土构件形成一定损伤,对基础设施的使用寿命、行人安全以及社会经济产生严重影响。因此对混凝土表面的裂缝等缺陷结构进行检测成为一大重要研究问题。针对此问题,本文提出了一种基于深度学习的裂缝图像检测与分割方法。该方法主要分为两个阶段:在第一阶段中,我们通过卷积神经网络提取抽象特征,并保留每一层的特征图。在第二阶段,我们利用转置卷积将特征图放大,并与低维度的特征进行融合,从而得到精确度更高的分割模型。此外,我们还提出了一种适用于细小物体分割网络的边界加权损失函数,根据像素点到边界的距离不同而给予不同权重,从而使得细边界目标区域被判定为正样本时具有更高的优先级,以此减少分割结果的断裂情况,提高检测精度。为符合实际应用场景,本文还构建了一个真实的裂缝数据集,用于对模型进行训练和验证。之后我们基于图像处理技术对裂缝的分割结果进行了定量分析,通过基本的形态学方法如腐蚀、膨胀、开闭运算等操作得到裂缝的分割标记图、骨架图及几何参数信息,进一步为专业工程人员提供检修和判定依据。最后,本文建立了一个Web端的智能缺陷检测原型系统,将之前提出的裂缝检测与分析方法集成起来。通过该系统,我们可以批量导入需要被检测的图片,通过后端处理后便可得到含有裂缝的图片信息列表,并可将结果导出离线查看,具有较高的实用价值。(本文来源于《北京邮电大学》期刊2019-06-04）
吴生宇[8]（2019）在《基于无人机视觉的大型建筑物表面裂缝检测技术研究》一文中研究指出随着社会的发展及人口的增长使得栋栋高楼拔地而起,建筑物的外墙不仅仅是起到美观的作用,还起到保护墙内钢筋等材料不被加速锈蚀的作用,无论是在建筑物完工验收时或者是建筑物以后的定期检查与维护,都需要对外墙进行检查。对于越高的建筑物,使用传统的人工检测方式进行外墙的定期检查与维护会受到很大限制,存在检测效率低、成本高、检测精度低、安全隐患大等问题。通过调研,本文提出了一种基于无人机视觉的大型建筑物表面裂缝检测技术。本课题研究具有很大的实际应用价值,以无人机结合视觉技术以灵活、轻便的优势对大型建筑物进行检查与维护,可以弥补传统人工检测方式的不足,具有巡检效率高、检测精度高、安全系数高等优点。本课题通过以无人机结合视觉的方式作为研究平台。首先,搭建大型建筑物外墙图像系统;然后对比分析了基于人工设计特征结合BP神经网络与基于深度学习卷积神经网络对于墙面裂缝检测的实验;最后对大尺度图中检测出来的裂缝区域进行图像处理,使用本文提出的NEAR模型的外墙面裂缝连接算法实现裂缝连接,连接后的裂缝将更有利于之后对裂缝的分类和量化。本文的主要研究成果有:搭建了无人机图像采集系统平台,并对无人机图像采集系统的各个模块进行了详细介绍。建立墙面裂缝数据库。通过控制无人机在学校内飞行和拍摄建筑物的外墙面图像和网络下载等方式来构建墙面裂缝数据库,对图像中的裂缝目标标定为数据库的正样本,对非裂缝目标则标定为数据库的负样本。在大尺度图裂缝检测中,通过实验对比基于人工设计特征结合BP神经网络的方法与基于深度学习卷积神经网络的方法。将LBP、HOG算法用于提取裂缝数据库特征并送到BP分类器进行训练和测试;用目前主流的深度学习卷积神经网络模型Faster R-CNN与YOLOv3分别对裂缝数据库进行训练和测试;对比两种方式在大尺度图中进行裂缝目标检测的效果。评价已经检测出来的裂缝。对已经检测出来的裂缝区域进行图像处理,针对裂缝提取过程中出现的裂缝断裂问题创新地提出了一种NEAR模型的外墙面裂缝连接算法;使用了基于投影特征的方法来对裂缝进行分类、量化及损伤程度评价。(本文来源于《广西大学》期刊2019-06-01）
王沛然[9]（2019）在《地铁隧道表面裂缝自动识别系统的设计与实现》一文中研究指出近年来,随着城市地铁运营里程和线路的快速增长,大量的基础设施,尤其是地铁隧道,由建设期转入养护期,设施面临着自身结构老化及外来因素损害等病害的影响。对于地铁隧道而言,隧道表面的裂缝成为地铁运营安全的隐患之一。而地铁隧道病害的检测,目前主要依靠人工巡检及肉眼判断,检测结果受人为因素影响较大,导致检测结果既不充分而且效率低下,因此,采用计算机技术和图像处理技术自动、有效、高速识别地铁隧道裂缝,成为目前地铁检测现代化的热点问题之一。在这一背景下,论文设计了地铁隧道表面裂缝自动识别系统,该系统是以面向对象,移植性高的Java语言开发,并采用当下较为流行的SSH(Struts+Spring+Hibernate)开源框架,数据库采用体积小,速度快的MySQL关系型数据库,对裂缝信息的检测识别采用是目前识别度高,识别速度快的用于快速特征嵌入的卷积体系结构(Caffe)框架下基于卷积神经网络特征提取区域推荐(Faster R-CNN)算法进行裂缝识别。论文的主要工作如下:(1)首先,论文介绍了本系统的开发背景和国内外研究现状,并阐述了本系统开发过程中使用到的目标检测技术。(2)论文根据隧道表面裂缝自动识别系统的功能需求,确定了系统的整体架构,包括系统的软件架构和技术架构。进而对系统的总体功能结构和数据库结构也进行了设计。(3)论文对该系统的详细设计、实现过程和测试过程进行了阐述。在该部分,详细介绍Faster R-CNN算法网络模型训练,以及各个功能模块的业务处理逻辑的设计方案。论文应用表明,本文设计的地铁隧道表面裂缝自动识别系统的识别效率和识别准确率均达到较好的水平。此外,该系统通过对当前最新目标检测技术Faster R-CNN的应用,实现对地铁隧道裂缝的自动检测与定位,并以此建立隧道裂缝病害分布数据库,通过历史数据对比,分析洞体变形与裂纹的发展趋势,及时指导维修人员对裂缝修复养护。(本文来源于《北京交通大学》期刊2019-06-01）
杨玉伟,渠波,曹培涛,周俊[10]（2019）在《裂缝性低渗透油藏聚合物微球/表面活性剂复合段塞调驱技术》一文中研究指出针对裂缝性低渗透油藏注水开发易出现水窜、水淹的现象,为改善水驱后的开发效果,将聚合物微球的调剖作用和表面活性剂的驱油作用结合起来,形成了聚合物微球/表面活性剂复合段塞调驱技术,室内评价了聚合物微球MQ-3的膨胀性能、封堵性能、表面活性剂GSR-1的界面性能,并评价了聚合物微球和表面活性剂之间的配伍性,在此基础上,采用高、低渗岩心并联的方式评价了复合调驱体系的驱油效果。结果表明,聚合物微球在温度为120℃时膨胀倍数可以达到6. 74倍,具有良好的膨胀性能;对渗透率为30～150 m D的岩心,聚合物微球具有良好的注入性和封堵能力;表面活性剂溶液在120℃下放置30 d后界面张力值仍能保持在10-3m N/m数量级,具有良好的界面活性;同时,聚合物微球和表面活性剂之间具有良好的配伍性。在非均质条件下,复合调驱体系对低渗岩心的驱油效果明显好于单独使用表面活性剂驱,能使低渗岩心水驱后提高采收率达23. 30%。现场应用结果表明,调驱措施后注水井注入压力升高,生产井日产油量上升,含水率下降,控水增油效果显着。(本文来源于《钻采工艺》期刊2019年03期）
表面裂缝论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为探究水力裂缝在页岩表面起裂及扩展特征,以四川省龙马溪组露头页岩为研究对象,开展岩体表面裂缝起裂扩展数字散斑观测试验,通过分析水力压裂裂缝扩展时页岩表面位移场和应变场演化揭示了岩体表面裂缝的动态扩展特征.试验结果表明:水力裂缝沿最大主应力方向起裂和扩展,裂缝走向与最大主应力呈锐角;裂缝扩展速度约为0.65 m/s,具有高速性特点,不同水力裂缝起裂扩展在时间上有先后性.扩展裂缝两侧会形成非对称分布的半椭圆状位移变化区域,影响范围是缝宽的32倍;裂缝扩展区域呈现为应变梯度值较大的拉应变.裂缝扩展只对裂缝周边有限范围内岩体起影响作用.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
表面裂缝论文参考文献
[1].阳恩慧,张傲南,杨荣山,王郴平.高速铁路无砟轨道表面裂缝叁维图像自动识别算法[J].铁道学报.2019
[2].刘奇,梁冰,李宏艳,孙维吉,刘香江.水力压裂裂缝在页岩表面扩展特征的试验研究[J].辽宁工程技术大学学报(自然科学版).2019
[3].徐港,赵恬悦,蒋赏,高德军.基于多种连通域特征的结构表面裂缝提取方法[J].华中科技大学学报(自然科学版).2019
[4].郭宝立.试论基于无人机采集图像的建筑物表面裂缝检测方法[J].居舍.2019
[5].王任玉,梁格,林哲钰,朱洪波,李海红.基于Mie谐振原理的金属表面裂缝微波无损检测[J].大学物理.2019
[6].邵闯,王生怀,徐风华,周红勋.基于图像处理的混凝土表面裂缝检测研究[J].湖北汽车工业学院学报.2019
[7].文青.基于深度学习的建筑物表面裂缝检测技术研究与实现[D].北京邮电大学.2019
[8].吴生宇.基于无人机视觉的大型建筑物表面裂缝检测技术研究[D].广西大学.2019
[9].王沛然.地铁隧道表面裂缝自动识别系统的设计与实现[D].北京交通大学.2019
[10].杨玉伟,渠波,曹培涛,周俊.裂缝性低渗透油藏聚合物微球/表面活性剂复合段塞调驱技术[J].钻采工艺.2019
论文知识图
