基于人工智能机器视觉技术的古建筑表层损伤检测

• 作者: 方腾伟 李生元 赵庆安 赵鑫如 赵雪峰 赵鹏
• 来源期刊: 物联网技术
• 关键词: 人工智能 深度学习 机器视觉 古建筑 损伤检测
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 全面感知
• 页码范围: 14-18
• 页数: 5页
• 分类号: TP368.5|TU317
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2017.09.001

摘要

21世纪以来,在大数据和GPU加速训练的支持下,以深度学习为核心的人工智能技术迅速发展,并在多领域得到了广泛应用.与此同时,随着国民经济实力和文化素质的不断提升,国家对于古建筑的保护也愈发重视.然而在长期自然及人为因素的共同作用下,古建筑难免会受到不同程度的损伤,这些损伤在很大程度上表现在结构的表层,如裂缝、酥碱、剥落、倾斜、空鼓等.因此,对这些表层损伤实施快速和高效的识别和定位,为后续的诊断和修复工作提供指导具有重大意义.目前国内对于古建筑表层损伤的检测主要为人工方法,即通过目测和借助专业的设备完成工作.然而人工方法效率不高,且需要较强的专业性和经验因素.为解决该问题,文中提出了一种基于人工智能方法的古建筑表层损伤检测技术,通过获取大量具有多类损伤古建筑的表层图像样本并进行人工分类,使用卷积神经网络对样本进行训练,得到一个用于识别损伤的分类器并验证其准确性.分类器成功建立后,使用滑动窗口算法对结构表层图像进行测试,从而完成损伤的定位工作.最后提出了众包式检测的思想,通过调动公众来收集训练样本,达到提高效率,节约成本的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵雪峰	大连理工大学土木工程学院	25	98	5.0	9.0
2	赵鹏	北京故宫博物院古建部	2	5	1.0	2.0
3	李生元	大连理工大学土木工程学院	2	10	2.0	2.0
4	赵庆安	大连理工大学土木工程学院	1	5	1.0	1.0
5	方腾伟	大连理工大学土木工程学院	1	5	1.0	1.0
6	赵鑫如	大连理工大学土木工程学院	1	5	1.0	1.0