公开(公告)号：CN110060251A

公开(公告)日：2019-07-26

申请号：CN201910343036.2

申请日：2019-04-26

Applicant: 福州大学

Inventor： 吴丽君 ,  宋春歌 ,  陈志聪 ,  纪金树 ,  周海芳 ,  程树英 ,  林培杰 ,  段博曦

IPC: G06T7/00

Abstract: 本发明涉及一种基于U-Net的建筑物表面裂纹检测方法。首先使用相机和无人驾驶飞行器收集30张包含裂纹原始图像；然后在每个原始图像中标记裂缝区域并将注释保存为灰度图标签文件；之后对图像进行预处理后，选取其中的200张图像作为数据集，按比例随机分成训练集、验证集和测试集；采用数据增强方法对制作好的数据集进行处理，再将其送入U-net网络进行训练，经过30轮迭代训练后，U-net模型在测试集上的准确率为99.56%；最后利用训练好的模型进行裂纹检测。本发明能够适应不同条件下的裂纹检测，并且省去布置大量传感器的繁琐，能够自动准确的对裂纹进行识别检测，对于提升建筑物表面裂纹检测的准确率和效率有重要作用。

公开(公告)号：CN110378422A

公开(公告)日：2019-10-25

申请号：CN201910658987.9

申请日：2019-07-22

Applicant: 福州大学

Inventor： 吴丽君 ,  李斌斌 ,  陈志聪 ,  宋春歌 ,  程树英 ,  林培杰

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于Faster R-CNN的武器识别方法包括以下步骤：步骤S1:采集包含武器的图像,并构成图像数据集；步骤S2:对图像数据集进行预处理，并分成训练集和测试集；步骤S3:将训练集输入预训练模型中进行训练，得到识别模型；步骤S4:将测试集输入识别模型，输出测试图像中武器的类别，以及对预测结果的准确率。本发明能够对图像中的武器进行识别，且可同时识别多个武器，精度较高。

公开(公告)号：CN110322442A

公开(公告)日：2019-10-11

申请号：CN201910623302.7

申请日：2019-07-11

Applicant: 福州大学

Inventor： 吴丽君 ,  宋春歌 ,  陈志聪 ,  周海芳 ,  纪金树 ,  程树英 ,  林培杰 ,  郑婉芳

IPC: G06T7/00

Abstract: 本发明涉及一种基于SegNet的建筑物表面裂纹检测方法，包括步骤S1：采集原始桥梁裂纹图像数据集以及原始墙体裂纹图像数据集；步骤S2：对步骤S1采集的图像进行注释，标注出裂纹的轮廓；步骤S3：进行图像预处理；步骤S4：进行模型训练，采用Keras框架实现SegNet模型，并在Anaconda平台下，将预处理后的数据集送入改进的SegNet模型进行训练，训练完成后将最佳模型保存；步骤S5：利用步骤S4保存的最佳模型进行裂纹检测。本发明能有效地适应环境变化，达到较好的检测效果，对于提升建筑物表面裂纹检测的准确率和效率有重要作用。