教学课程资源库 更多>>

关键词： 干缩开裂   监测   早期预警   OFDR   界面耦合   数字图像处理技术   纤维加固  

摘要： 干旱是一种危害性极大的自然灾害,我国是世界上干旱灾害较为频发的地区之一。伴随着在近地表土层中产生严重的干缩开裂现象,干燥裂隙会严重影响土体的水力机械性能,破坏土体结构的完整性,加剧土体风化、水土流失,削弱土体的保水能力,同时也会引起土体强度减弱、过度变形和压缩性增加等问题,从而成为引发各种地质、岩土工程和水文灾害的主要因素之一。因此,建立有效的监测和预警系统变的尤为重要。近年来,各类先进的监测技术被逐步应用于土体干缩开裂监测领域。本文将分布式光纤传感技术和数字图像处理技术应用于监测土体干缩开裂,提出可用于识别潜在开裂区域的早期预警模型。设计室内试验,探究干燥过程对纤-土界面耦合的影响和土体干燥收缩特性和潜在开裂区域的预警。针对土体干缩开裂的特点,进一步研究纤维加固土体,改善土体抗裂性能。通过数字图像处理技术实现纤维含量对土体干缩开裂影响规律的定量评估。具体研究内容主要包括以下几个方面: 基于OFDR技术的纤-土界面耦合性研究。纤-土界面耦合性的量化对于监测方法的可靠性和监测数据的准确性至关重要。探究纤-土界面的耦合特性,提出纤-土变形补偿系数,以解决由于耦合不良而导致监测应变值偏小的问题。设计室内拉拔试验,探究干燥过程中含水率变化对纤-土界面耦合性的影响。在干燥过程中,含水率的降低会增强纤-土界面的耦合度和变形协调性。通过建立含水率与纤-土界面变形补偿系数之间的关系,有效地量化了土体干燥过程中纤-土界面耦合性的变化。 基于OFDR技术的土体干缩开裂预警模型研究。提出基于OFDR的土体干缩开裂预警模型,该模型融合土体干缩开裂的经典水力机械理论和光纤-土体界面变形耦合理论,建立干燥过程中变形与应力的关系。通过设计搭建土体干燥全过程试验,将OFDR传感技术与数字图像处理技术结合,应用于土体干缩开裂的监测。试验结果表明,OFDR技术能够实现对潜在开裂区域的早期预测和预警,同时可以监测深层裂隙的生成和位置信息。从而验证早期预警模型在土体干燥收缩特性研究和潜在开裂区域的预警方面的科学性和可行性。 基于数字图像处理技术的纤维加固土体,改善土体抗裂性能研究。自主设计研发土体表观裂隙分析系统(SAFAS),该软件具有强大的数字图像处理功能,可以实现对土体裂隙网络的定量分析。设计室内纤维掺料干燥试验,利用数字图像处理技术分析。试验结果表明:纤维改变土体的开裂模式,削弱裂隙网络的连通性。数字图像处理技术可有效量化裂隙特征测量结果。纤维的“桥接作用”可以抑制土体的开裂。

关键词： 螺栓节点   松动检测   深度学习   数字图像处理   角度识别  

摘要： 螺栓节点连接是钢结构中广泛采用的一种连接形式,如装配式建筑、风电塔筒和电网铁塔等,其构件连接基本采用螺栓、螺栓-焊缝形式。因此,针对节点螺栓连接进行松动检测有利于保障钢构件的稳定性和安全性。目前,对于节点螺栓松动的检测主要由专业检修人员和各类接触式传感器完成,效率低下。为解决现有检测方法在螺栓松动检测角度范围和批量检测限制的问题,本文以钢结构节点螺栓群为研究对象,将优化后的YOLOv5s(You Only Look Once version 5s)对螺栓进行目标检测,结合数字图像处理技术,进行螺栓松动自动化批量角度检测;定量分析图像识别系统中螺栓松动角度阈值,为螺栓节点松动检测提供理论参考,主要研究内容如下: (1)基于Py Torch框架搭建了YOLOv5s目标检测网络,结合螺栓小目标检测特征,对YOLOv5s网络进行优化,分别在YOLOv5s模型中加入Bi FPN(加权的双向特征金字塔网络)模块和损失函数SIo U,将数据集输入到优化前后的YOLOv5s网络进行训练,使用测试数据集分别对YOLOv5s、YOLOv5s+Bi FPN和YOLO v5s+Bi FPN+SIo U进行性能评估。对比分析网络训练过程中Loss、m AP等属性变化,最终YOLOv5s+Bi FPN+SIo U网络在训练中具有良好的训练性能和检测性能。最后,利用该网络对采集到的图片中的螺栓进行目标检测,为后续数字图像处理技术中的螺栓图像裁切提供数据信息。 (2)为解决螺栓松动目前存在的检测角度范围及批量检测限制问题,提出了一种基于数字图像处理的螺栓松动自动化批量角度识别方法。该识别流程主要分为图像预处理、螺栓角点识别、螺栓松动角度计算三部分。通过目标检测网络定位螺栓群区域目标框,根据提取的螺栓区域进行标定和编号,提出掩膜构建、ROI分割和占空比判断的组合处理流程,采用pgon Corners角点算法对螺栓群角点位置坐标进行提取。进一步结合颜色匹配算法,完成对螺栓松动前后标记点位置绘制,并提取对应的索引号,根据坐标系变换算法和数组操作算法完成螺栓松动批量角度计算。 (3)通过设计螺栓节点板试件,验证螺栓松动角度识别算法在不同拍摄环境下的准确性,定量分析拍摄距离、拍摄角度、光线强度三种因素对检测效果的影响规律。结果表明,拍摄角度和光线强度对识别结果的影响大于拍摄距离的影响,拍摄距离最好控制在1.5m以内,拍摄角度控制在30°以内,光线强度控制在400lux。 (4)通过螺栓松弛试验,建立了螺栓松动角度与预紧力损失和拧紧力矩之间的关系,并结合《钢结构高强度螺栓连接技术规程JGJ 82-2011》要求,确定了图像识别系统中螺栓松动角度阈值区间为0°-6°,为后期螺栓松动检测提供数据支撑。

关键词： 粗集料棱角性   数字图像处理   沥青混合料   路用性能   细观结构  

摘要： 集料作为路面结构的主要组成部分,其性质对路面路用性能和使用寿命有着至关重要的影响。为了优化集料选型、改善路面性能,亟需开展集料性质对沥青混合料影响的深入研究。因此,本文基于山东高速集团科技创新项目《高速公路路面工程质量变异性、寿命可靠度及性能保障技术研究》,以临临高速公路建设工程为依托,选取工程中使用的玄武岩和石灰岩粗集料为研究对象,对其料源特性与加工特性进行广泛调研,通过数字图像处理技术对粗集料的棱角特征进行量化,在此基础上系统研究了粗集料棱角性对沥青混合料性能及细观结构的影响规律。本文的主要研究内容与结论如下: (1)在临临高速公路在建期间,对沥青路面面层集料的集料宕口、加工工艺、质量技术指标以及级配规格等方面开展全面调研。通过系统的实地调查和大量的数据分析,揭示集料质量存在的问题,并提出相应的改进建议;同时,通过X射线多晶衍射仪(XRD)对石料的矿物组成及质量分数进行研究,从矿物组成的角度对选取的石灰岩与玄武岩石料进行对比分析。 (2)通过数字图像处理技术对不同料源与不同破碎工艺粗集料的棱角性进行量化,利用SPSS统计分析软件及非参数检验的方法对集料棱角的函数分布情况进行假设检验。研究结果表明:集料的棱角参数均服从正态分布;“二级破碎+整形机”的三标洞渣石灰岩的棱角性较好,“二级破碎”的二标洞渣与临朐巨森的石灰岩集料棱角性次之,“一级破碎”的淄博洪泉石灰岩的棱角性较差;赤峰乡约地、济南兴安和临朐巨森玄武岩在棱角参数方面差异不明显。 (3)选取了棱角特征各异的玄武岩和石灰岩作为原材料,分别制备了SMA-13和AC-20两种类型的沥青混合料,并对其进行高温车辙试验、低温小梁弯曲试验、浸水马歇尔试验以及冻融劈裂试验,研究了粗集料棱角性对混合料路用性能的影响规律。研究结果表明:粗集料的棱角特性与沥青混合料的路用性能有着紧密的联系。当粗集料的棱角性增加时,沥青混合料的高温稳定性显著提高,低温抗裂性能也得以改善,但混合料的水稳定性能呈现下降的趋势。 (4)通过对比分析,揭示了玄武岩和石灰岩在沥青混合料路用性能方面的差异性。研究结果表明:玄武岩制备的混合料在高温稳定性方面更好,石灰岩制备的混合料在低温抗裂性和水稳定性方面表现更优。 (5)通过对混合料切片样本进行数字图像处理和分析,研究了粗集料棱角性变化对SMA-13和AC-20型沥青混合料细观结构的影响规律。研究结果表明:粗集料棱角性对沥青混合料的骨架接触特性与粗集料分布特性都有不同程度的影响,粗集料棱角性越大,混合料骨架结构越强,集料颗粒更难以被“压倒”。

关键词： 计算机视觉   图像修复   深度学习   扩散模型   数字图像处理  

摘要： 得益于扫描技术的普及,纸质照片可以被轻易转成数字格式。由于数字图像具有易编辑和易复制特性,纸质照片数字化使得修复过程变得更加简单且高效。由于传统照片都以纸质材料为存储媒介,因此划痕和折痕一类的损伤是最常见的破损形式,这种损伤往往会导致画面的局部内容丢失,以及破坏整体上下文结构。每一张照片都具有其重要意义,因此破损照片划痕修复是一项非常重要且有意义的研究工作。 破损照片的划痕修复,主要分为人工参与修复和基于深度学习(Deep Learning,DL)自动修复的两种方式,传统人工修复的方式耗时且成本高,基于深度学习的研究工作存在划痕检测不全和填充语义不符合上下文的问题,且只是从划痕的像素位置信息去理解异常信息,没有从更高级的特征去理解划痕,因此该研究领域依然具有很大的提升空间。 为了针对性地提升破损照片划痕去除效率以及破损区域的修复质量,本文提出了一种基于图像生成模型(Image Generation Model,IGM)的破损照片划痕精细化修复算法。与以往研究工作不同,本研究充分利用照片中整体上下文和划痕特征信息,并根据这些信息去指导生成模型生成符合整体语义的内容。在生成无划痕图片之后引入画质增强和单通道图片着色算法进一步提升修复效果,以达到精细化研究的目的。根据上述的问题和预期的目标,本文开展对应的研究且主要研究内容如下: (1)针对破损照片划痕检测不全的问题,本研究通过对照片划痕退化信息进行建模,训练并微调一个随机微分方程扩散模型(Stochastic Differential Equation Diffusion Models,SDEDM)基线,使其具有预测退化信息逆向复原和内容生成能力。训练后的模型能够将破损划痕信息嵌入到Unet预测的噪声中并逐步去噪。微调后的基线模型虽然具有一定的退化表示和还原能力但还需要进一步加强引导,以达到针对性恢复目的。现有的破损照片划痕去除工作严重依赖划痕的精确位置信息,而照片中的划痕具有不规则和强干扰特性,目标检测网络难以检测画面所有划痕,本研究进而提出一个划痕分布提取模块(Scratch Distribution Extraction,ScDE)将检测出的部分划痕内容转换为高斯分布,用于表示其高级特征,该特征可以有效地引导扩散模型反向去噪过程,使得去噪生成路径朝向无划痕的分布,最后通过对比试验和消融实验验证本研究工作的进步和贡献。定量实验和定性实验结果表明,本研究提出的算法在峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似度(Structural Similarity,SSIM)、可学习感知图像块相似度(Learned Perceptual Image Patch Similarity,LPIPS)和图像生成模型评估指标FID(Fréchet Inception Distance,FID)上均达到了目前最先进的(State Of The Arts,SOTA)性能,且主观质量明显高于所有对比方法。 (2)针对大多数老旧照片在扫描后存在分辨率低和画质模糊的问题,本研究提出了一个综合性修复的算法,充分利用画面已知信息进行画质及面部增强(Face Enhancement,FE)和自然化的着色,修复结果较于其它研究工作更加精细化,图像的结构特征更加清晰和真实。在此过程利用包含浅层特征提取模块、深层特征提取模块和图像的重建模块,组成的基于Swin Transformer的超分辨率(Super-Resolution,SR)模型以初步解决模糊的缺陷。在超分的基础上,利用多尺度的面部检测模型精确检测出画面中的各种范围的面部,根据生成对抗网络(Generative Adversarial Networks,GAN)先验U形深度神经网络指导新的面部生成以达到面部针对性修复和增强的目的。最后使用预训练的图像着色模型,对单通道黑白照片进行着色,使得修复效果更具艺术性。 (3)为了进一步推动此研究领域的发展,本文在研究过程中构建了一个大规模的破损照片划痕数据集(Scratches Old Photo dataset,ScrOld),此数据集涉及各类常见的摄影题材,其中包含703对划痕照片和对应的GroundTruth。本研究训练数据和测试数据均源于ScrOld数据集,其包含完整的训练集和测试集,可用于划痕目标检测和老照片修复的研究工作。 最后根据研究过程中存在的问题和思考,对这个研究领域进行了进一步的总结和展望。

关键词： 油液磨粒   轮廓特性   数字图像处理   特征提取  

摘要： 随着科技的快速发展,数字图像处理技术在油液磨粒轮廓特性研究中的应用日益受到重视。由于磨粒的形态、尺寸等特性与机械设备的磨损状态紧密相关,因此,准确、高效地提取和分析这些特性对于预防设备故障、延长使用寿命具有重要意义。在这一背景下,数字图像处理技术展现了其独特的优势。然而在应用过程中,仍然存在应用流程繁琐,误差易叠加、对图片要求高,常需定制化算法、磨粒识别过于依赖专业人员经验等问题。对此,本文通过研究磨损流程和分析过程提出了一种基于自适应滤波器的磨粒图像增强算法和建立了一套磨粒特性检测系统。提高了铁谱分析过程的效率和自动化程度,减少了人工干预,有较强的工业实用价值。本研究涉及主要研究方法和内容如下: (1)本研究从塑性变形理论、应力场理论、断裂力学理论三个角度分析了设备生命周期内金属磨粒形成过程;基于Burwell理论将黏着磨损、磨粒磨损、疲劳磨损和腐蚀磨损视为磨损的主要类别,归纳出磨粒类型、磨损类型、及机器状态和形状尺寸参数的对应关系;此外,构建了磨粒图像的大小、形状轮廓特性参数的数学模型,以此作为判断磨损类型的重要依据。 (2)针对反射光磨粒图像不清晰和过暗的问题提出了基于自适应滤波器的磨粒图像增强算法,通过对金属磨粒图像进行频域分析和滤波处理,成功地提高了图像的清晰度、对比度和细节保留效果。通过与常用的几种图像增强算法的定量和定性的对比表明,本方法在提高图像质量方面具有显著的优势。 (3)利用铁谱分析、磨损机制研究、计算机图像处理技术等知识,完成了磨粒特性检测系统的算法设计,并基于MATLAB的App designer等工具设计了磨粒特性检测系统,该系统运行稳定,界面简洁,功能丰富,通过输入图片-生成结果-保养建议的自动化判定流程,从而实现机器运行状态分析的自动化和智能化,系统对磨粒图像的正确检测率为82.74%,漏检率为14.38%,误检率为2.88%。

关键词： 数字图像处理   课程建设   课程思政  

摘要： 课程思政是新工科背景下为国家培养政治思想坚定的创新型人才的重要举措之一。如何在专业课程中深入挖掘与有效融入思政元素是课程建设的核心任务。文章以数字图像处理课程为例，阐述了课程思政的教学设计与达成方法。首先，通过明确教学目标，设计本课程思政总体的实施方案；其次，结合知识架构，深入挖掘相应的思政要素，为课程章节设计思政案例；再次，注重教学方法研究，通过丰富的课堂教学手段实现专业知识与思政要素的融通，从而达到育人“润物细无声”的效果；最后，完善课程整体评价、学生的学习效果评价等。实践表明，学生课程学习的热情显著增加，对课程思政内容满意度高，达到预期的教学效果。

关键词： ME-NBI图像   数字图像处理   卷积神经网络   目标检测   Faster-RCNN  

摘要： 提高早期胃癌(EGC)的检出率对患者的早诊早治尤为关键,其中,放大内镜联合窄带成像(ME-NBI)技术为EGC诊断提供了有力帮助。随着人工智能与深度学习技术的不断发展,计算机辅助诊断系统(CAD)技术为实现EGC智能诊断提供了可能。本课题探讨了ME-NBI胃部病变图像识别与综合评估方法,并构建AI辅助诊断病变系统。 由于ME-NBI胃部病变图像存在噪声干扰等情况,选用有关的图像预处理方法并进行改进,包括二值化阈值分割、直方图均衡化和直方图匹配、改进边缘检测和提取、非局部平均去噪超分辨率重建算法等方法,对ME-NBI图像进行了测试与分析,有效降低了ME-NBI图像的噪声干扰并增强了细节。 针对目前存在的人工诊断效率低、漏诊率较高、检出难度大等问题,提出了改进的Faster-RCNN模型。对ME-NBI图像进行模型训练与分析,结果表明,改进模型的最佳组合以Res Net50作为主干网络,采用Leaky-Re LU激活函数,结合SE-Net注意力机制,使用自适应的非极大值抑制算法以及改小锚框尺寸。在外部测试集上,该改进模型对完全肠化(CIM)和不完全肠化(IIM)的预测结果分别取得了95.50%和85.29%的精确率,相比原始模型的86.49%和70.59%得到了显著提升。这一改进模型增强了目标区域的特征提取能力,提升了检测定位和识别精度。 根据改进的Faster-RCNN模型,建立可操作的与胃癌风险联系的肠化生评估(OLGIM)三分类模型。同时,分析和提取ME-NBI图像的浅层特征,建立机器学习分类模型。综合这两种模型进行患者的胃癌风险等级评估,在测试集上达到了81.24%的准确率。此外,研究了模型的热力图可视化方法,实现模型的可解释性分析。 最后,设计和实现AI辅助ME-NBI诊断病变软件系统的GUI界面,具有实际应用价值。经专业医师判定,该系统为辅助诊断提供有力参考。

关键词： 三维数字图像   机器学习   虚拟场景重建   数字图像处理   特征提取  

摘要： 为使三维数字图像虚拟场景重建可以获得更优质的画面,提出一种基于机器学习的三维数字图像虚拟场景重建算法.首先分析场景的状态信息和呈现指令,得到图像重构的网格模型顶点分布位置,通过局部坐标法近似计算全局图像,校正局部细节,完成三维数字图像的渲染处理;然后以空间和尺度为特征点,在图像上构建窗口检测模板,应用分类器抑制离散特征点,去除冗余特征;最后根据拟合函数法求出平滑后的三维坐标重建三维曲面,将局部二维三角分割并映射到三维空间,实现三维数字图像虚拟场景重建.实验结果表明,该算法收敛速度较快,重建图像细节和边缘轮廓完整,整体效果较好.

关键词： 数字图像处理   一体化教学   智能感知实验  

摘要： 阐述数字图像处理为载体研究教学和科研的协同关系,数字图像处理包括理论和实验的学习方式。以创新实验室为中心,通过数字实验平台和工具加强教学中的高效学习理解,在车牌识别、信息加密的应用中体现数字图像处理的实践价值。