论文解读《基于ＳＶＭ 的高速公路路基病害自动检测算法》

最新推荐文章于 2023-12-10 19:11:51 发布
最新推荐文章于 2023-12-10 19:11:51 发布
阅读量389 收藏
点赞数
分类专栏： 探地雷达论文阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/dzy_csu/article/details/104293040
版权

标题：基于ＳＶＭ 的高速公路路基病害自动检测算法
作者：周辉林
期刊：2013 中国公路学报

  1. 研究现状

当前基于gpr高速公路路面路基介电常数、厚 度和含水量等质量参数调查的国内外研究主要集中于gpr数据的人工解释和自动解释两方面，两者主 要区别在于：人工解释主要依靠专家经验提取时延 和幅度信息，其解释结果存在主观性强、解释周期长等缺点，而自动解释主要依靠相应算法自动提 取时延和幅度信息。

高速公路路基层界面检测、时延和幅度自动估计算法已成为现在研究的热点。

  1. 建立真值库

：①利用型号为 ＧＳＳＩ 　 ＳＩＲ１０，天线中心频率 为１ＧＨｚ的车载ＧＰＲ对昌九高速公路南昌段进行 无损快速路基成像，共采集３　３６６道雷达数据，每道 数据采集５１２个点；
②利用 ＧＰＲ 工程专家经验对 ＧＰＲ图像进行解释；
③对 ＧＰＲ工程专家标注出的 可能存在路基病害

最低0.47元/天 解锁文章
小兜同学在TJU
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
道路病害检测识别
xiao__run的博客
05-23 2075
道路病害检测项目方案 一、项目背景和意义 1.1项目背景 截止至 2021年底，全国公路总里程达到519.8万公里，总道路通车里程稳居世界第一。公路建设的迅猛发展不仅让人们的出行变得更加便捷，也在一定程度上促进了我国经济的发展。随着公路里程数的不断增加以及其使用时间的增长，使得路面的保养维护工作变得尤为重要，完善的路面养护系统能够延长路面的使用寿命，保障人们安全日常出行。 路面病害是衡量路面质量的一个重要指标，在公路建成投入使用后，因车辆荷载及环境的影响，路面会出现各种各样的病害现象，这些病害.
基于AI算法在城市道路路面病害检测应用
zhujiequn的博客
10-28 1041
道路养护及管理已经愈发重视道路路面病害的监测和病害数据的釆集工作。近年来AI机器视觉检测识别算法的发展为自动化检测道路路面病害提供了可行的解决方案，可以解决传统人工检测又存在如检测效率低、劳动强度大、耗时较长以及检测精度无法保证等问题。公司经过多年的潜心研究，研发了一套基于车载的视频道路路面病害AI检测系统，可以高效满足我国道路病害检测的需求，智能化、自动化的完成道路路面的各类裂缝、各类坑洞等路面病害的视频检测抓拍，极大的提高了效率。道路裂缝识别AI算法。道路破损识别AI算法。道路坑洼识别AI算法。
基于MATLAB数学形态学的道路裂缝病害检测
m0_59833680的博客
08-18 1426
基于MATLAB数学形态学的道路裂缝病害检测0 目的意义 在公路养护中，路面裂缝是衡量公路质量最重要的一个指标，目前国内主要依靠人工来检测高速公路的路况，不仅会受到养护工主观意识的影响，而且还浪费了大量的人力资源，因此基于数字图像处理技术的路面裂检测技术成为路面裂缝检测发展的必然趋势，这种检测技术可以准确快速的对路面情况作出评价[1]。 高速公路对国家和地区的经济发展起到了关键性的作用...
论文解读《基于卷积神经网络的路表病害识别与测量》
dzy_csu的博客
02-13 1047
标题：基于卷积神经网络的路表病害识别与测量 作者：沙爱民等 期刊：中国公路学报（2018，2019） Ｔｏｎｇ等［２０］利用卷积神经网络对沥青路面的探地雷 达图像进行了反射裂缝的识别、定位、测量和三维重 建。 涉及到定位、测量和三维重建，可以重点关注tong这一篇文章。启示我们可以在定位、测量和三维重建上面做一些工作。 本文共设计３种ＣＮＮ， 分别用于病害识别（ＣＮＮ１）、裂缝特征提取（ＣＮ...
道路病害识别监测系统 CNN网络
燧机科技的博客
02-05 1436
道路病害识别监测系统通过CNN网络深度学习算法，道路病害识别监测对巡检车上实时监控道路影像数据进行分析，输出道路病害裂缝巡检报告并落图展示。在CNN出现之前，对于图像的处理一直都是一个很大的问题，一方面因为图像处理的数据量太大，比如一张512 x 512的灰度图，它的输入参数就已经达到了252144个，更别说1024x1024x3之类的彩色图，这也导致了它的处理成本十分昂贵且效率极低。另一方面，图像在数字化的过程中很难保证原有的特征，这也导致了图像处理的准确率不高。
基于C++的通过HOG+SVM训练进行行人检测算法代码实现
04-19
本项目聚焦于使用C++编程语言实现基于HOG（Histogram of Oriented Gradients，方向梯度直方图）特征和SVM（Support Vector Machine，支持向量机）分类器的行人检测算法。下面将详细解释HOG特征提取、SVM模型训练以及...
基于SVM的道路检测算法
01-11
【基于SVM的道路检测算法】 在计算机视觉领域，道路检测是一项关键任务，它在自动驾驶、交通监控、导航系统等多个方面有着广泛的应用。本项目利用支持向量机（SVM，Support Vector Machine）作为分类器，结合图像的...
基于python的使用HOG与线性SVM作为分类器的目标检测算法设计与实现
04-19
综上所述，该项目利用Python实现了一个基于HOG特征和线性SVM的目标检测系统，涵盖了图像处理、特征提取和机器学习等多个方面的知识。通过这种方式，可以在给定的图像或视频中有效地检测和定位特定对象。
基于HOG+SVM的行人检测算法实现代码和设计报告
02-13
"基于HOG+SVM的行人检测算法实现代码和设计报告" 本文档提供了基于HOG+SVM的行人检测算法实现代码和设计报告，涵盖行人检测的背景介绍、存在的问题及发展、常见检测技术、HOG特征、SVM分类器、模型参数、实验设计、...
基于CS-SVM的谷子叶片病害图像识别.pdf
05-17
基于CS-SVM的谷子叶片病害图像识别 本文介绍了一种基于CS-SVM的谷子叶片病害图像识别方法，该方法通过图像识别技术对常见的谷子叶片病害进行判别，为制定合理的病害防治措施提供科学依据。 第一，实验采集了谷瘟病...
开源软件 | 深度学习用于道路病害检测
我爱计算机视觉
10-22 7232
道路路面病害（裂隙、坑洞）等的检测并不是一项新技术，CV君的母校在近20年前就开发出了我国第一台道路路面智能检测车，这项技术在道路维护管养中可发挥重要作用。如下图所示，车载相机或智能手机...
高速公路沥青路面病害分析及养护
学习笔记
04-08 2291
高速公路沥青路面病害分析及养护
路面病害检测-从数据清洗到模型部署的全流程方案
m0_63642362的博客
05-12 3389
转自AI Studio，原文链接： 路面病害检测-从数据清洗到模型部署的全流程方案 - 飞桨AI Studio 1. 项目说明 无论是水泥还是沥青路面，在通车使用一段时间之后，都会陆续出现各种损坏、变形及其它缺陷，这些我们统称为路面病害。如下图1所示。 图1路面病害示例 根据美国科氏公司的研究表明：一条质量合格的道路，在使用寿命75%的时间内性能下降40%，这一阶段称之为预防性养护阶段；如不能及时养护，在随后12%的使用寿命时间内，性能再次下降40%，从而造成养护成本大幅度的增加。本项目基于R
毕业设计-基于深度学习玉米叶病虫害识别系统 YOLO python 机器学习 目标检测 人工智能 算法
最新发布
2301_79555157的博客
12-10 2815
基于深度学习的玉米叶病虫害识别系统，用于毕业设计。该系统利用先进的深度学习算法，通过对玉米叶片图像进行分析和处理，实现对不同类型的叶病和虫害的准确识别。我们采用了经典的CNN架构和数据增强技术，提高了模型的鲁棒性和泛化能力。通过大规模的数据集训练和验证，我们的系统在测试集上取得了令人满意的准确性和稳健性。此外，我们还提供了一个用户友好的界面，使农民和专业人士能够轻松使用该系统进行快速的病虫害识别。该毕业设计的研究为农业领域提供了一种高效的解决方案，有望在实际应用中发挥重要作用。
【论文精读】A Support Vector Clustering Method
qq_25011449的博客
07-12 1097
A Support Vector Clustering Method 原文地址：A Support Vector Clustering Method 本文介绍了一种支持向量聚类的方法。 Abstract 本文展示了使用支持向量进行数据聚类的方法，使用核技巧将数据从低维映射到高维，在高维空间中，边界是超球面，低维中边界显示为不规则的几何形状。 Describing Cluster ...
Deep Learning using Linear Support Vector Machines基于SVM的深度学习论文解析
weixin_51441536的博客
07-10 2464
本篇论文主要介绍的是支持向量机（SVM）在全连接卷积神经网络（CNN）里的应用。主要进行的优化就是把softmax算法更换为SVM算法。其中SVM使用的模型为2l-SVM。输入层（input layer)卷积层（convolution layer)池化层（pooling layer)分类输出层（全连接层+Softmax layer)前三个步骤为特征提取，最后一个步骤为分类。重要的是最后一个步骤在下面的详细解说。以下介绍只介绍大概过程，计算方法有多种。（文中没有讲具体计算过程）输入层（input layer)
【论文精读】SVM for Clustering
qq_25011449的博客
07-11 2613
A Support Vector Method for Clustering 原文地址：A Support Vector Method for Clustering 本文介绍了一种基于SVM的聚类方法，核心思想是用高斯核的SVM找到多个能够包围数据的半径最小的超球。使用此方法不用预先确定类别的结构和个数。 Abstract 聚类问题可以用参数化或非参数化的方法处理。参数化方法往往限制于其表...
【Paper Note】Support Vector Clustering 论文翻译（未完待续）
roguesir的博客
07-12 954
Support Vector Clustering 论文翻译
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值