摘要：铁路隧道衬砌结构裂缝图像具有复杂的灰度分布和变化特征,局部和全局的多特征信息会干扰跟踪方向和边界跟踪参数,模型可扩展性受限,检测准确率较低。为此,提出基于mask r-cnn模型的铁路隧道衬砌机制砂混凝土裂缝视觉检测方法。首先输入分段线性变换后的砂混凝土裂缝图像,抽取阈值,生成连通域标识,再以像素点为背景点,在mask r-cnn模型中,同时检测裂缝区域的位置和标记像素级的边缘掩膜,判定裂缝边界起点与裂缝宽度;然后进行累加视觉检测方法设计,按照裂缝的几何特征以及排序结果,求解裂缝长度,获得完整的裂缝轮廓。试验结果表明,所提方法可以较为完整地检测所有关键位置,裂缝参数信息检测准确率较高;迭代次数升高后,检测结果受到的影响较小,可扩展性得到了改善,可适应任务需求,具有较好的应用价值。

摘要：为判断电力关键设备两端负载电压与干路总电压之间的数值关系,提出基于mask r-cnn的电力关键设备运行状态检测方法。在mask r-cnn网络结构中,判断电量信号的时域范围与频域范围。然后根据负荷阻抗特征计算交流参数的取值结果,再联合已获取的电信号参量,求解连续相关函数,从而检测电力关键设备运行状态。实验过程中,设备两端负载电压、内阻消耗电压之和与干路总电压之间的差值未超过1.5 V,说明该方法能够证明电力关键设备两端负载电压、内阻消耗电压之和等于干路总电压数值的猜想成立,可以根据该验证检测电力关键设备运行状态是否正常。

摘要：为了解决现有裂缝识别算法准确度不高、检测与分割任务不能同时进行等问题,提出了一种基于改进型mask r-cnn模型的路面裂缝识别方法。首先,建立裂缝数据集并进行标注,然后使用mask r-cnn模型对裂缝数据集进行训练和测试,并对模型中锚点的长宽比进行调整,实现在裂缝定位的同时对生成的检测框内的裂缝像素进行分割;其次,针对mask r-cnn模型生成的裂缝检测框不精准的问题,设计了C-mask r-cnn多阈值检测方法,通过结合级联不同阈值的检测器来提高候选框质量,实现高阈值检测下的裂缝精准定位;最后,对改进后的模型进行一系列的优化参数和实验对比,并验证所提模型的有效性。实验结果表明,C-mask r-cnn模型检测部分的平均准确率均值(mean average precision,mAP)达到0.954,与改进前模型相比提升了9.7%,分割部分的mAP达到0.935,与改进前相比提升了13.0%,识别效果较好。综上所述,C-mask r-cnn模型可以较为完整地对裂缝进行定位及提取,识别精度较高。

摘要：为提升服装款式图领型识别精度,提出一种基于mask r-cnn神经网络的服装款式图领型定位与识别方法。建立共1800张包含无领、立领、翻领与驳领4种领型的款式图样本库,利用迁移学习与mask r-cnn神经网络实现领型定位与识别。结果表明,4种领型的平均识别精确度高于98%,测试集平均精确度达到99.2%,mAP值达到90%。该识别方法可以减少样板生成中的人工失误,为数字化样板生成提供参考。