.png){kind=icon}
返回
Pavement crack identification method based on IOtsu-Dd algorithm
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pone.0322662.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
快速识别公路裂缝对公路养护具有重要意义。近年来，利用无人机采集道路裂缝图像进行自动识别的应用已成为许多研究者的关注焦点。在此基础上，为提高裂缝识别的准确性和效率，提出了一种基于无人机图像和改进Otsu方法的道路裂缝识别方法。首先，对无人机采集的图像应用了灰度化、均衡化等处理技术，以降低计算复杂度并便于后续的图像裂缝识别。随后，为提高识别准确率，对图像进行分割并引入并改进了Otsu方法。最后，利用损伤密度构建了路面裂缝识别模型，实现了从图像中提取和识别路面裂缝特征。实验结果表明，所提出的识别模型在无人机采集图像的裂缝识别中，平均准确率为98.2%，召回率为0.75，F1得分为0.85。这表明所提出的识别模型具有强有效性和高识别精度，该方法能够有效基于无人机图像识别道路裂缝。
Keyword:
CONVOLUTIONAL NEURAL-NETWORK
MODEL
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
暂无机构信息
引用论文
The extraction algorithm of color disease spot image based on Otsu and watershed.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏An Automatic Image Processing Algorithm Based on Crack Pixel Density for Pavement Crack Detection and Classification基于裂缝像素密度的路面裂缝检测与分类图像自动处理算法
PREAI
分享收藏
Machine learning-based pavement crack detection, classification, and characterization: a review基于机器学习的路面裂缝检测、分类与表征：综述OAAI
OAAI分享收藏Automatic classification of pavement crack using deep convolutional neural network基于深度卷积神经网络的路面裂缝自动分类
PREAI
分享收藏
查看更多内容