混凝土大壩表面受到溫度較低或者氣溫驟降的環(huán)境影響時,會導致大壩表面產生裂縫或者表面剝蝕,對大壩造成坍塌危險。在建筑大壩的過程中,通常會在大壩表面噴涂一層聚氨酯硬泡,對大壩表面進行保護。但是在實際噴涂過程中,施工人員可能會遺漏一些區(qū)域,最終可能造成很大的問題,當前解決這個問題的主要方法是人為觀察整個區(qū)域,非常耗時且不能實時觀察,并且觀察距離遠,可能觀察不準確。為了解決這個問題,本文提出一種具有報警功能的監(jiān)控場景下的基于深度學習的大壩表面聚氨酯未覆蓋區(qū)域檢測方法,該方法基于Fast R-CNN目標檢測算法,并且在特征提取部分加入特征金字塔網(wǎng)絡,提高了未覆蓋區(qū)域小目標的檢測精度,如果檢測到長時間都有大量區(qū)域未覆蓋聚氨酯,則會進行報警。本方法也是首次將基于深度學習的目標檢測方法應用到大壩表面的聚氨酯未覆蓋區(qū)域檢測這個應用場景上。

【文章頁數(shù)】：4 頁

【文章目錄】：
1 引 言
2 相關工作
3 方 法
    3.1 大壩聚氨酯未覆蓋區(qū)域數(shù)據(jù)集
    3.2 結合特征金字塔網(wǎng)絡的基于ResNet的特征提取網(wǎng)絡
    3.3 Faster R-CNN目標檢測器
    3.4 報警機制
4 實驗與結果分析
    4.1 深度學習框架與預訓練模型的選取
    4.2 訓練設備和初始參數(shù)的選取
    4.3 實驗結果及分析
    4.4 實驗結果可視化
5 結 語



本文編號：3872260