Abstract：
裂缝是大部分公路边坡灾害的早期症状,安全监测集中在此阶段进行.目前,公路边坡多采用人工定期巡查等方法,但存在成本高、监测范围小、人工干预多、安全性差等问题.提出一种基于计算机视觉技术的边坡裂缝监测技术,使用专业级摄像头拍摄边坡裂缝图片结合人工标注,构建目前种类多样的、且符合标准的边坡裂缝数据集;基于此数据集,利用深度学习、膨胀卷积等思想设计了边坡裂缝检测模型FSNet,实现了裂缝的精准分割与识别.经实验证明,该模型对边坡裂缝具有较好的识别能力,识别准确率达到94.21％,且该模型网络参数少、运算复杂度低,为实现公路边坡智能化监测提供可行性.
Keyword：
Reprint Author's Address：
Email：
Source ：
测控技术
ISSN： 1000-8829
Year： 2021
Issue： 5
Volume： 40
Page： 62-66
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 3
