姓名：朱睿琦

學(xué)號(hào)：15180288015

【嵌牛導(dǎo)讀】：隨著數(shù)字圖像處理技術(shù)和人工智能的不斷發(fā)展，圖像識(shí)別技術(shù)無(wú)論在識(shí)別精度還是識(shí)別速度都有了長(zhǎng)足的進(jìn)步。圖像識(shí)別技術(shù)如何應(yīng)用于無(wú)人機(jī)的巡檢中？下文將進(jìn)行簡(jiǎn)要的介紹。

【嵌牛鼻子】：圖像識(shí)別技術(shù)，無(wú)人機(jī)

【嵌牛提問】：圖像識(shí)別技術(shù)與無(wú)人機(jī)的攝圖是如何結(jié)合的？無(wú)人機(jī)巡檢的優(yōu)點(diǎn)有哪些？

【嵌牛正文】：針對(duì)橋梁出現(xiàn)裂縫，露筋，剝落，螺栓脫落等病害，無(wú)人機(jī)直達(dá)檢測(cè)部位拍攝病害圖像，針對(duì)病害圖像的特點(diǎn)，運(yùn)用機(jī)器視覺對(duì)數(shù)字圖像進(jìn)行增強(qiáng)、去噪、圖像分割、邊緣檢測(cè)，采用基于監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)算法，對(duì)圖像進(jìn)行病害識(shí)別，解決病害分類問題及病害標(biāo)記的問題。

1.圖像識(shí)別在無(wú)人機(jī)巡檢中應(yīng)用的技術(shù):

（1）圖像增強(qiáng)——運(yùn)用自適應(yīng)的局部增強(qiáng)處理技術(shù)，只增強(qiáng)感興趣區(qū)域的對(duì)比度，而模糊其他區(qū)域的清晰程度，實(shí)現(xiàn)突出病害部分圖像的目的。

采用了拉普拉斯算子，使圖像中的各灰度值得到保留、灰度突變處的對(duì)比度得到增強(qiáng)，最終保留圖像背景的前提下，突現(xiàn)出圖像中的小細(xì)節(jié)。

其原理是：

對(duì)原圖像進(jìn)行處理產(chǎn)生描述灰度突變的圖像；

將拉普拉斯算子處理圖像與原圖像疊加產(chǎn)生銳化圖像。

（2）圖像去噪——包括濾除圖像的隨機(jī)噪聲、高斯噪聲等，為圖像分割前做平滑處理以減弱噪聲的影響。

采用中值濾波法，其原理是：

選定窗口為 的模版，其中 的大小由原圖像的二階導(dǎo)數(shù)的均值決定，使窗口中心與圖像某點(diǎn)重合；

窗口在圖像上逐個(gè)像素移動(dòng)；

窗口對(duì)應(yīng)像素灰度值大小排序，找出中間值；

將中間值作為窗口所在像素的灰度值。

（3）圖像分割——將圖像背景和目標(biāo)物體進(jìn)行分割，通常情況下，目標(biāo)物體較背景暗，在灰度直方圖上的灰度處在不同的灰度區(qū)間，因此可以選擇一個(gè)灰度閾值將物體區(qū)域分割出來(lái)。

采用局部動(dòng)態(tài)閾值算法中的Bradley二值化，其原理是：

利用自適應(yīng)算法計(jì)算圖像中每個(gè)像素點(diǎn)對(duì)應(yīng)的閾值；

利用得到的一個(gè) 大小的閾值矩陣實(shí)現(xiàn)二值化。

（4）圖像邊緣檢測(cè)——邊緣主要存在于目標(biāo)與目標(biāo)，目標(biāo)與背景或區(qū)域與區(qū)域之間，是圖像灰度不連續(xù)性的反映，圖像邊緣檢測(cè)是檢測(cè)圖像函數(shù)不連續(xù)點(diǎn)的過程表示。

采用梯度算子中的Canny算子，其原理是：

用高斯濾波器對(duì)原始圖像進(jìn)行平滑去噪；

用一階偏導(dǎo)數(shù)的有限差分計(jì)算梯度的幅值和方向；

采用迭代法得到圖像梯度中的局部極大值點(diǎn)，把其他非局部極大值置零來(lái)得到細(xì)化的邊緣；

用雙閾值算法檢測(cè)和連接邊緣。

（5）圖像特征提取——在滿足分類識(shí)別正確率要求的前提下，使用較少的特征就能完成分類設(shè)別任務(wù)。

利用Bag Feature模型提取特征并構(gòu)建圖像的虛擬字典，其原理是：

利用surf算法生成每幅圖像的特征點(diǎn)；

生成每幅圖像的向量；

將有疑問的圖像向量與圖庫(kù)中圖像的向量求夾角，夾角最小的即為匹配成功。

（6）圖像分類——利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)，在圖像識(shí)別階段，只要將圖像的特征向量作為神經(jīng)網(wǎng)絡(luò)分類器的輸入，經(jīng)過網(wǎng)絡(luò)計(jì)算，分類器的輸出就是識(shí)別結(jié)果。

神經(jīng)網(wǎng)絡(luò)分類器用n個(gè)表示的樣本送入神經(jīng)網(wǎng)絡(luò)，這些分類用二值表示，其原理是：

第一級(jí)計(jì)算匹配度，然后被平行的通過輸出線送到第二級(jí)；

第二級(jí)中各類均有一個(gè)輸出，當(dāng)?shù)玫秸_的分類結(jié)果后，分類器的輸出可反饋到第一級(jí)；

當(dāng)樣本十分相似時(shí)，分類器會(huì)做出正確的響應(yīng)。

2>無(wú)人機(jī)巡檢的優(yōu)勢(shì):

針對(duì)橋梁偏塔、橋梁斜拉鎖保護(hù)層脫落、橋梁路面坑槽、裂縫、結(jié)構(gòu)連接件露筋、銹蝕及螺栓脫落的檢測(cè)，無(wú)人機(jī)巡檢具備諸多優(yōu)勢(shì)。

1） 無(wú)人機(jī)可以直達(dá)檢測(cè)部位，無(wú)需其它輔助措施,節(jié)省費(fèi)用；

2） 檢測(cè)橋墩、橋座、橋腹等危險(xiǎn)場(chǎng)所，無(wú)需搭架或者吊籃配合人員檢測(cè)，極大地提高了安全性；

3） 對(duì)于部分無(wú)法企及的橋腹、拉索等部位，無(wú)人機(jī)可以抵近觀察了解更多細(xì)節(jié)；

4） 在橋梁定期檢測(cè)時(shí)，無(wú)需封閉道路中斷交通，僅十分鐘準(zhǔn)備時(shí)間，隨檢隨走；

5） 支持在線即時(shí)航線規(guī)劃，可在執(zhí)行飛行前現(xiàn)場(chǎng)新建、修改規(guī)劃；

6） 飛行狀態(tài)全程監(jiān)控，添加多種中斷操作和相機(jī)控制，確保安全飛行同時(shí)獲得更好畫質(zhì)的圖像數(shù)據(jù)。

總結(jié)：隨著圖像識(shí)別技術(shù)在無(wú)人機(jī)上越來(lái)越多的應(yīng)用，無(wú)人機(jī)可以比人工更高效的巡檢陸海上設(shè)施，到達(dá)人難以到達(dá)的危險(xiǎn)地區(qū)或特殊角度收集更加全面，時(shí)效的數(shù)據(jù)