课题组近期在裂缝智能检测研究方向取得多项研究成果
发布于 : 2023-03-01 访问量 :
日前，课题组在权威期刊《中国公路学报》发表题为“基于深度学习的土木基础设施裂缝检测综述”的综述论文（文章链接：http://zgglxb.chd.edu.cn/CN/10.19721/j.cnki.1001-7372.2023.02.001）。文章总结了近年来基于深度学习的裂缝检测技术的研究成果及其应用情况。首先结合深度学习的发展历程对卷积神经网络及其在计算机视觉领域中的应用进行了介绍。然后，从深度学习的算法和数据集、评价指标及机器人平台等方面，综述了目前基于深度学习进行裂缝检测的研究进展。最后总结了现有方法的优势与不足，并对土木基础设施裂缝智能化检测的发展趋势进行了分析与展望，以期为同行们提供一些参考和借鉴。
相关研究论文：
[1] Chao Xiang, Wei Wang, Lu Deng*, and Xuan Kong . “Crack Detection Algorithm for Concrete Structures Based on Super-resolution Reconstruction and Segmentation Network”. Automation in Construction, 2022, 140, 104346. https://doi.org/10.1016/j.autcon.2022.104346
提出了一种基于超分辨率重建和语义分割的自动微裂缝检测方法，解决了无人机裂缝检测过程中远距离拍摄导致的图像低分辨率与抖动导致的图像模糊问题。
[2] Honghu Chu, Wei Wang, and Lu Deng*. “Tiny-Crack-Net: A Multi-scale Feature Fusion Network with Attention Mechanisms for Tiny Crack Segmentation”, Computer-Aided Civil and Infrastructure Engineering, 2022, 37(14), 1914-1931. https://doi.org/10.1111/mice.12881
提出了一种名为“Tiny-Crack-Net”的具有注意力机制的多尺度特征融合识别网络，为长大跨径桥梁表观微小裂缝检测难的问题提供了有效解决方案。
[3] Lu Deng, Tao Sun, Liang Yang, and Ran Cao*. “Binocular video-based 3D reconstruction and length quantification of cracks in concrete structures”. Automation in Construction, 2023, 148, 104743. https://doi.org/10.1016/j.autcon.2023.104743
开发了一种基于双目视频的混凝土结构三维重建和裂缝长度量化分析框架，实现了裂缝在整体结构上的全局定位与精准量化。
[4] 邓露，褚鸿鹄，龙砺芝，王维，孔烜，曹然。基于深度学习的土木基础设施裂缝检测综述，中国公路学报，2023, 36 (2): 1-21。
相关专利：
[1] 邓露、左辉、史鹏、王维、香超. 一种结构裂纹体积的测算方法、装置、设备及存储介质.申请日：2020.9.27，专利号：ZL202011033662.0（发明专利）授权公告日：2021年1月1日
[2] 邓露，香超，曹然，史鹏. 一种结构表观裂缝检测方法、装置及系统. 申请日：2022.1.17. 专利号：ZL202210046122.9（发明专利）授权公告日：2022年4月12日
[3] 王维、吴智博、邓露、史鹏、褚鸿鹄. 一种结构裂缝检测方法、设备及系统. 申请日：2021.7.1. 专利号：ZL202110743988.0（发明专利）授权公告日：2021年9月21日
[4] 王维、吴智博、邓露、张安、孙涛. 隧道表面图像处理方法及系统. 申请日：2021.7.13. 专利号：ZL202110788036.0（发明专利）授权公告日：2021年9月24日
[5] 褚鸿鹄、曹然、邓露. 四足机器人协同无人机检测区域损伤的方法及相关组件. 申请日：2022.6.23，专利号：ZL202210714315.7（发明专利）授权公告日：--2022年8月5日授权通知书