典型文献
基于改进BiSeNetV2的裂缝检测与识别
文献摘要：
裂缝作为固体材料中较为常见的某种不连续现象,是固体结构破坏的开始,及时对裂缝进行识别和检测,并对检测结果进行分析,采取相对应的措施,能够较好地防止事故发生,保障工程作业中的安全.目前裂缝识别主要依靠人工检测,存在劳动强度大、耗时长、精确度不高、危险、耗费高等问题,为此基于数字图像处理技术的裂缝智能识别被广泛研究,然而裂缝表面纹理不规则、噪声的复杂信息,影响了识别精度.为了解决常见固体材料的裂缝智能识别问题,提出了以轻量级语义分割网络模型BiSeNetV2来进行裂缝自动检测,同时自主构建裂缝数据集.实验表明,改进后的裂缝识别模型识别精度提升了7.6％.基于BiSeNetV2的裂缝识别模型,能对裂缝进行精准检测和识别,解决人工识别存在的各类问题.
文献关键词：
BiSeNetV2;语义分割;裂缝检测与识别;岩石裂缝
中图分类号：
作者姓名：
马俊祺;陶星珍;彭霖;谢宇飞
作者机构：
江西应用技术职业学院信息工程学院,江西 赣州 341000
文献出处：
引用格式：
[1]马俊祺;陶星珍;彭霖;谢宇飞-.基于改进BiSeNetV2的裂缝检测与识别)[J].有色金属科学与工程,2022(06):91-97
A类：
裂缝检测与识别
B类：
BiSeNetV2,固体材料,结构破坏,裂缝识别,劳动强度,耗费,数字图像处理技术,智能识别,表面纹理,复杂信息,识别精度,轻量级语义分割,语义分割网络,裂缝自动检测,自主构建,识别模型,模型识别,精度提升,精准检测,检测和识别,人工识别,别存,岩石裂缝
AB值：
0.326998
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
