一种边坡柔性防护系统耗能器工作状态无接触智能化检测方法
技术特征：
1.一种边坡柔性防护系统耗能器工作状态无接触智能化检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的边坡柔性防护系统耗能器工作状态无接触智能化检测方法，其特征在于：在步骤s1中，具体包括如下：
3.根据权利要求1所述的边坡柔性防护系统耗能器工作状态无接触智能化检测方法，其特征在于：在步骤s2中，具体包括如下：
4.根据权利要求1所述的边坡柔性防护系统耗能器工作状态无接触智能化检测方法，其特征在于：在步骤s3中，具体包括如下：
5.根据权利要求2所述的边坡柔性防护系统耗能器工作状态无接触智能化检测方法，其特征在于：在步骤s13中，所述进行显著性目标检测标签标注是选择labelme、eiseg或labelimg标注软件进行标注，标注时统一标准保证标签的准确性和一致性；形成图像数据集时，对原始图像及标签进行旋转、缩放、模糊操作实现图像数据扩增。
6.根据权利要求3所述的边坡柔性防护系统耗能器工作状态无接触智能化检测方法，其特征在于：在步骤s21中，所述显著性目标检测深度神经网络是u2-net、f3-net、basnet中的任一种。
7.根据权利要求3所述的边坡柔性防护系统耗能器工作状态无接触智能化检测方法，其特征在于：在步骤s22中，训练显著性目标检测深度神经网络时，损失函数l按下式计算：
8.根据权利要求4所述的边坡柔性防护系统耗能器工作状态无接触智能化检测方法，其特征在于：在步骤s31中，采用python语言及opencv软件库对显著性目标检测深度神经网络输出的耗能器二值图进行滤波，再采用scikit-image库中的medialaxis函数进行中轴变换；滤波时选择高斯滤波，按照下式计算：
9.根据权利要求4所述的边坡柔性防护系统耗能器工作状态无接触智能化检测方法，其特征在于：在步骤s32中，基于python语言及opencv软件库，采用开运算统一耗能器骨架粗细，再采用canny算法对耗能器骨架图进行轮廓检测，按照下式计算：
10.根据权利要求4所述的边坡柔性防护系统耗能器工作状态无接触智能化检测方法，其特征在于：所述耗能器剩余耗能能力r通过其骨架图轮廓检测输出的内外轮廓长度进行计算，如下式：
技术总结
本发明边坡地质灾害防护技术领域，具体公开了一种边坡柔性防护系统耗能器工作状态无接触智能化检测方法，步骤包括：进行耗能器拟静力拉伸试验、足尺冲击试验以及野外工程实测建立耗能器工作过程图像数据集；采用数据集训练显著性目标检测深度神经网络实现耗能器工作状态二值图自动分割；采用形态学图像处理技术获取耗能器骨架并采用轮廓检测技术提取耗能器骨架内外轮廓自动计算剩余耗能能力。本发明方法通过人工智能技术解决了柔性防护系统关键耗能部件工作性态的非接触智能化识别难题，精确度高，实现了防护工程关键部件外观形貌可视化监测与内在性能判别的一体化应用。
技术研发人员：余志祥,廖林绪,田永丁,廖文杰,金云涛,杨啸宇
受保护的技术使用者：西南交通大学
技术研发日：
技术公布日：2024/12/2
技术研发人员：余志祥,廖林绪,田永丁,廖文杰,金云涛,杨啸宇
技术所有人：西南交通大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除