图像识别技术在无人机巡检中的应用

1、图像识别技术在无人机巡检中的应用1.无人机巡检的优势针对桥梁偏塔、桥梁斜拉锁保护层脱落、桥梁路面坑槽、裂缝、结构连接件露筋、锈蚀及螺栓脱落的检测，无人机巡检具备诸多优势。无人机可以直达检测部位，无需其它辅助措施,节省费用；检测桥墩、桥座、桥腹等危险场所，无需搭架或者吊篮配合人员检测，极大地提高了安全性；对于部分无法企及的桥腹、拉索等部位，无人机可以抵近观察了解更多细节；在桥梁定期检测时，无需封闭道路中断交通，仅十分钟准备时间，随检随走；支持在线即时航线规划，可在执行飞行前现场新建、修改规划；飞行状态全程监控，添加多种中断操作和相机控制，确保安全飞行同时获得更好画质的图像数据。图1航线规划图2飞

2、行监控2.图像识别在无人机巡检中应用的原理和技术应用原理针对桥梁出现裂缝，露筋，剥落，螺栓脱落等病害，无人机直达检测部位拍摄病害图像，针对病害图像的特点，运用机器视觉对数字图像进行增强、去噪、图像分割、边缘检测，采用基于监督学习的机器学习算法，对图像进行病害识别，解决病害分类问题及病害标记的问题。如下图所示图3图像分析图4裂缝标记技术（1）图像增强运用自适应的局部增强处理技术，只增强感兴趣区域的对比度，而模糊其他区域的清晰程度，实现突出病害部分图像的目的。采用了拉普拉斯算子，使图像中的各灰度值得到保留、灰度突变处的对比度得到增强，最终保留图像背景的前提下，突现出图像中的小细节。其原理是：对原图

3、像进行处理产生描述灰度突变的图像；将拉普拉斯算子处理图像与原图像叠加产生锐化图像。（2）图像去噪包括滤除图像的随机噪声、高斯噪声等，为图像分割前做平滑处理以减弱噪声的影响。采用中值滤波法，其原理是：选定窗口为nxn的模版，其中n的大小由原图像的二阶导数的均值决定,使窗口中心与图像某点重合；窗口在图像上逐个像素移动；窗口对应像素灰度值大小排序,找出中间值；将中间值作为窗口所在像素的灰度值。（3）图像分割将图像背景和目标物体进行分割,通常情况下,目标物体较背景暗,在灰度直方图上的灰度处在不同的灰度区间,因此可以选择一个灰度阈值将物体区域分割出来。采用局部动态阈值算法中的Bradley二值化，其原理

4、是：利用自适应算法计算图像中每个像素点对应的阈值；利用得到的一个mxn大小的阈值矩阵实现二值化。（4）图像边缘检测边缘主要存在于目标与目标，目标与背景或区域与区域之间，是图像灰度不连续性的反映，图像边缘检测是检测图像函数不连续点的过程表示。采用梯度算子中的Canny算子，其原理是：用高斯滤波器对原始图像进行平滑去噪；用一阶偏导数的有限差分计算梯度的幅值和方向；采用迭代法得到图像梯度中的局部极大值点，把其他非局部极大值置零来得到细化的边缘；用双阈值算法检测和连接边缘。（5）图像特征提取在满足分类识别正确率要求的前提下，使用较少的特征就能完成分类设别任务。利用BagFeature模型提取特征并构建图像的虚拟字典，其原理是：利用surf算法生成每幅图像的特征点；生成每幅图像的向量；将有疑问的图像向量与图库中图像的向量求夹角，夹角最小的即为匹配成功。（6）图像分类利用神经网络训练样本数据，在图像识别阶段，只要将图像的特征向量作为神经网络分类器的输入，经过网络计算，分类器的输出就是识别结果。神经网络分类器用n个表示的样本送入神经网络，这些分类用二值表示，其原理是：第一级计算匹配度，然后被平