基于深度学习和视频理解的钢表面裂缝检测和预测方法
公开
摘要
本发明提供了一种基于深度学习和视频理解的钢表面裂缝检测和预测方法，包括以下步骤：步骤1，获取钢表面裂缝在疲劳荷载作用下裂缝开合的视频并保存，对保存的视频进行剪辑处理；步骤2，通过视频训练SuperPoint网络，并跟踪视频中钢表面的特征点的运动信息并进行记录；步骤3，通过基于阈值的自适应特征点筛选方法，筛选出裂缝周围的特征点；步骤4，将检测到的特征点作为基本信息，拟合裂缝的形态，获得裂缝的基本参数信息并进行数字化；步骤5，将裂缝的历史发展信息、裂缝的基本参数信息和钢表面的基本信息作为输入，N个循环后裂缝的发展情况作为输出训练LSTM神经网络，训练完成后通过LSTM神经网络对钢表面的裂缝开展速率进行实时预测。
基本信息
专利标题 ：
基于深度学习和视频理解的钢表面裂缝检测和预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114565596A
申请号 ：
CN202210212511.4
公开（公告）日 ：
2022-05-31
申请日 ：
2022-03-04
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
高铁山余倩倩刘金杉卢昱杰张伟平顾祥林
申请人 ：
同济大学
申请人地址 ：
上海市杨浦区四平路1239号
代理机构 ：
上海德昭知识产权代理有限公司
代理人 ：
陈龙梅
优先权 ：
CN202210212511.4
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06T7/246 G06T7/70 G06T7/80 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
