- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习和计算机视觉
使用深度学习检测混凝土结构中的表面裂缝
混凝土建筑裂缝 介绍 表面裂缝检测是监测混凝土结构健康的一项重要任务。如果裂纹发展并继续扩展，它们会减少有效承载表面积，并且随着时间的推移会导致结构失效。 裂纹检测的人工过程费时费力，且受检验人员主观判断的影响。在高层建筑和桥梁的情况下，手动检查也可能难以执行。在这篇文章中，我们使用深度学习来构建一个简单但非常准确的裂缝检测模型。 此外，我们在现实世界的数据上测试了模型，发现该模型在检测混凝土和非混凝土结构示例道路中的表面裂缝方面是准确的。该代码在Github上的链接上开源。 如下图所示，该模型能够通过处理图像上的 100 多个补丁来检测混凝土中很长的裂缝。 混凝土裂缝检测。左原图。右侧红色区域是有裂纹的预测，绿色区域是无裂纹的预测 此外，也在道路裂缝上测试了该模型。 这个模型没有在路面数据集上训练过，但在识别道路裂缝方面也做得很好！ 道路裂缝检测。左原图。
1.3K30编辑于 2022-02-12 - 来自专栏机器学习AI算法工程
Yolov5实现道路裂缝检测，附数据集
因为我将训练好的模型已经放入./runs/train/exp_1000/weights/路径下了，如果自己训练了模型后，记得修改为自己的模型路径。
4.5K50发布于 2021-07-14 - 来自专栏成套网站
基于yolov8深度学习的裂缝检测系统
此外，人工检测易受疲劳、经验差异等因素影响，导致漏检或误判率较高，难以满足大规模基础设施维护的实时性与准确性需求。近年来，计算机视觉与深度学习技术的突破为裂缝检测提供了全新解决方案。 其轻量化设计进一步降低了计算资源需求，支持边缘设备部署，为裂缝检测的工业化应用提供了技术基础。 3、研究现状在基于YOLOv8深度学习的裂缝检测领域，国内外研究正呈现蓬勃发展态势。 YOLOv8融合，实现对复杂结构裂缝的立体检测；在数据集构建方面，国外建立了大规模、多场景、高精度的裂缝数据集，为模型训练提供了丰富且优质的数据支持。 国内研究虽起步稍晚，但发展迅猛，一方面紧跟国际前沿，对YOLOv8进行本土化改进，针对国内基础设施裂缝特点，调整模型参数和结构，提高检测的针对性；另一方面注重实际应用，将YOLOv8裂缝检测系统与无人机
49710编辑于 2025-12-29 桥梁损坏裂缝检测检测数据集VOC+YOLO格式2245张2类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：2245 标注数量(xml文件个数)：2245 标注数量(txt文件个数)：2245 标注类别数：2 标注类别名称:["acrack","crack"] 每个类别标注的框数： acrack 框数 = 424 crack 框数 = 3627 总框数：4051 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
46910编辑于 2025-07-15智慧交通铁轨裂缝检测数据集VOC+YOLO格式4类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：2709 标注数量(xml文件个数)：2709 标注数量(txt文件个数)：2709 标注类别数：4 标注类别名称:["crack","large-gap","medium-gap","small-gap"] 每个类别标注的框数： crack 框数 = 878 large-gap 框数 = 275 medium-gap 框数 = 442 small-gap 框数 = 1663 总框数：3258 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：数据集有部分存在增强图片请仔细看出图片预览斟酌下载 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
20910编辑于 2025-09-09- 来自专栏人工智能快报
普渡大学利用深度学习自动检测核反应堆裂缝
美国普渡大学正在开发人工智能系统利用深度学习技术检测核反应堆裂缝，未来能帮助减少发生事故和维护成本。 普渡大学(Purdue University)正在开发一个系统，使用人工智能技术检测核反应堆视频中捕捉到的裂缝，并描绘了未来的检测技术，以帮助减少事故和维护成本。 虽然研究人员已经开发出几种针对混凝土、岩石或路面表面的基于视觉的裂缝检测方法，但只有少数几种方法考虑到金属表面的裂缝检测。现有的大多数方法都集中在检测单个图像上的裂缝。 他还表示，如果在这些单个图像中未检测到裂缝，或图像中一种噪声模型被错误地检测为裂缝，那么就没有其他信息可以用来纠正检测结果。 据称，该方法还使用强大的图形处理单元来训练神经网络如何用数据集检测裂缝，该数据集包含了大约30万个裂缝和非裂缝补丁。
1.5K120发布于 2018-03-15 道路缺陷裂缝坑洼检测数据集VOC+YOLO格式14569张10类别
总框数：34702 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注 d00：纵向裂缝 ； d0w0: 纵向拼接缝； d10: 横向裂缝； d11: 横向拼接缝； d20：龟裂； d40: 坑洞； d43: 十字路口模糊； d44: 白线模糊； d50: 井盖； 图片预览： 标注例子：
24300编辑于 2025-07-17无人机 RGB+热红外融合检测建筑裂缝与渗漏，34 层高楼约 2 小时
深圳大学团队提出了一套无人机 RGB+热红外双模态检测方案：用 DJI Mavic 3 Thermal 无人机同时拍摄可见光和热红外图像，可见光用于检测裂缝，热红外用于检测渗漏（水分蒸发导致的温度异常） 在深圳三个住宅小区的实测中，裂缝检测 mIoU 达到 87.86%，渗漏检测 mIoU 达到 79.05%。一栋 34 层高楼的完整外立面检测约 2 小时完成，覆盖率 ≥95% 。 阶段二：裂缝检测（RGB）对提取的墙体区域，用 K-Net + UPerNet做语义分割检测裂缝。采用滑动窗口策略——将高分辨率外立面图像切割为与训练分辨率匹配的小块，逐块检测后拼接。 训练数据：1,892 张公开裂缝数据集图像。阶段三：渗漏检测（热红外）同样用 K-Net + UPerNet对热红外图像做语义分割检测温度异常区域。 图片来源于原论文五、总结与思考这篇论文展示了一套完整的无人机双模态建筑外立面检测方案，从飞行规划到缺陷检测到 3D 可视化：双模态互补：RGB 检测裂缝（mIoU 87.86%），热红外检测渗漏（mIoU
27300编辑于 2026-03-20- 来自专栏OpenCV与AI深度学习
道路裂缝坑洼图像开源数据集汇总
编辑丨极市平台 导 读 本文汇总了道路裂缝、坑洼等相关图像数据集资源，均附下载链接。 它在各种各样的道路上包含各种各样的坑洼或裂缝。 注释以 YOLOv3 风格书写，每一行代表一个 ground truth 混凝土表面裂纹检测数据集 数据集下载链接：http://suo.nz/378qgC 混凝土表面裂缝是土木结构的主要缺陷。 裂缝检测在建筑检测中起着重要作用，发现裂缝并确定建筑物的健康状况。 数据集包含有裂缝和无裂缝的各种混凝土表面的图像。图像数据在单独的文件夹中分为负片（无裂纹）和正片（有裂纹）两种，用于图像分类。 道路裂缝检测数据集 数据集下载链接：http://suo.nz/2ZCfNd CrackSeg3 数据集下载链接：http://suo.nz/2S62Iw 用于实例分割的道路缝隙检测数据集，共有116
3.1K21编辑于 2022-12-22 建筑墙壁红外热成像裂缝潮湿检测数据集VOC+YOLO格式306张2类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
36500编辑于 2025-07-18排水管道裂缝腐蚀异常检测数据集VOC+YOLO格式3053张1类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
25300编辑于 2025-07-16无人机视角道路缺陷损害损坏裂缝检测数据集VOC+YOLO格式2422张7类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
46610编辑于 2025-07-16- 来自专栏ATYUN订阅号
英国开创自我修复城市概念，利用无人机和机器人自动检测道路裂缝并进行修复
在短短一分钟内，一台装有3D打印机的机器人就能将沥青喷洒到路面的裂缝中进行修理而且机器人甚至会在晚上完成他们的工作，这样白天就不必关闭道路，使交通顺畅无阻。 他说：“我们的想法是，当发生这些小裂缝时，我们希望能够及时了解到，通过道路网上飞行的无人机看到问题，而另一架无人机将着陆并进行修理。” “在晚上，一分钟之内就能修复裂缝。 在未来愿景中，科学家认为未来的汽车可能会被编程专门在高速公路上寻找裂缝，并自动将信息传输到英格兰高速公路以安排维修。
46420发布于 2018-07-27 基于yolov8的道路病害道路裂缝道路坑洞检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
【算法介绍】 基于YOLOv8的道路病害检测系统，特别是针对道路裂缝和坑洞的检测，是一种高效、准确的智能解决方案。 该系统能够自动化地检测道路裂缝和坑洞，准确分析病害的宽度、位置和严重程度，极大提高了道路检测的效率和准确性。 在实际应用中，该系统可以支持图片、视频以及摄像头等多种检测方式，能够实时显示检测结果，包括病害的位置、大小、置信度等信息，并可将检测结果进行保存，便于后续分析和处理。 总之，基于YOLOv8的道路病害检测系统是一种具有创新性和实用性的智能解决方案，它将深度学习技术应用于道路病害检测领域，为道路养护和安全管理提供了有力支持。 yolov8m.onnx模型（不提供pytorch模型） 训练的map,P,R曲线图(在weights\results.png) 测试图片（在test_img文件夹下面） 【视频演示】 基于yolov8的道路病害道路裂缝道路坑洞检测系统
30911编辑于 2025-07-21- 来自专栏燧机科技-视频AI智能分析
AI边坡落石路面裂缝监测预警系统
路面裂缝细分：针对路面细微裂缝，采用高分辨率输入分支，结合边缘检测算子作为辅助监督信号，捕捉像素级的裂纹延伸趋势，区分温度收缩缝与结构性破坏裂缝。 时序逻辑与行为分析单一的帧检测容易产生抖动误报。 变化检测：对于裂缝和滑坡，系统对比历史基准帧与当前帧的特征差异，仅当形变超过设定阈值且持续一定时间窗口时，才判定为有效灾害事件。3. 路面明显裂缝的检测准确率约为94%。在受控的干扰测试中，误报率可控制在5%以内。 早期微损漏检：对于未形成宏观形变的早期微细裂缝，纯视觉方案尚难达到工程级检测精度。
27910编辑于 2026-03-08 - 来自专栏人工智能头条
仅凭一双“慧眼”如何识辨长城缺损裂缝？
答： 无人机技术：对城墙进行检测与航拍，获取高分辨率图像以进行清晰准确的3D建模，英特尔猎鹰8+作为一款适用于高效、精准捕捉数据的商用无人机，能够在各种恶劣条件下近距离测绘。 ? 答： 长城缺损/裂缝识别与定位：针对损毁及裂缝类型，研究人员在正常的和损毁的长城3D模型上进行样本采集和标定，获取足够多的样本数据，进行大量数据样本的训练分析，形成对典型损毁模式的识别能力。 ? 英特尔的创新技术，为科学家提供前所未有的研究方法，探索自然和宇宙，包括太空研究、水资源检测、极地动物和海洋生态等最具挑战性的科研难题。 以前所未有的形式呈现更多精彩。
64330发布于 2018-08-20 - 来自专栏技术汇总专栏
基于YOLOv8的路面缝隙精准识别项目【完整源码数据集+PyQt5界面+完整训练流程+开箱即用！】
其中，路面裂缝的检测作为基础设施养护的关键一环，逐渐成为计算机视觉研究与工程实践中的热点。 一、软件核心功能介绍及效果演示 传统的裂缝检测多依赖人工巡检，不仅费时费力，而且准确性不稳定。深度学习，尤其是目标检测技术的发展，为这一任务带来了极大变革。 用户可自由切换检测模式，通过简洁界面快速实现各种操作。 （1）单图片检测演示 点击主界面中的“选择图片”按钮，加载任意一张路面图像，系统将自动识别其中的裂缝并在界面中高亮显示。 ✅ 适用于历史图像批处理分析 （3）视频检测演示 支持加载本地视频文件，逐帧检测裂缝位置，实时在界面上渲染并播放检测结果。 未来可进一步拓展的方向包括： 加入 裂缝类型分类（如线型裂缝、网状裂缝等）； 集成 裂缝宽度/长度估计模块； 实现基于深度学习的 图像增强与修复； 支持多线程或 GPU 推理优化以提升检测速度。
82400编辑于 2025-07-29 - 来自专栏AI研习社
深度学习混凝土结构裂纹检测
detection-of-surface-cracks-in-concrete-structures-using-deep-learning-f8f85cd8ac8b 编译 | 天字一号、吉蒂•布罗德 审校 | 唐里、望北 介绍 ---- 表面裂缝检测是监测混凝土结构健康的重要任务 手动进行裂缝检测非常耗时，并且会受到检查员的主观判断。在高层建筑物和桥梁的情况下，手动检查也很难执行。在此博客中，我们使用深度学习来构建简单但非常准确的裂缝检测模型。 此外，我们在现实世界的数据上测试了该模型，发现该模型在检测混凝土和非混凝土结构示例道路的表面裂缝方面是准确的。该代码在我的Github上的链接上开源。 如下图所示，该模型能够通过处理图像上的100个切片来检测混凝土中很长的裂缝 混凝土裂缝检测。左图为原图。右图红色区域是有裂纹的预测，绿色区域是无裂纹的预测 此外，我也在道路裂缝上测试了该模型。 该模型未在路面数据集上进行训练，但在识别道路裂缝方面也非常出色！ 道路裂缝检测。左图为原图。
3.6K31发布于 2020-02-12 - 来自专栏镁客网
科学家研发可自行修补裂缝混凝土，真菌是关键 | 黑科技
据报道，为了延长混凝土的使用年限，减少裂缝出现，科学家近日在混凝土里添加真菌，这些真菌可以修补裂缝。 碳酸钙(又可称为石灰石)正是水泥与混凝土的主成份，虽然它并不完全是混凝土(还缺了黏土)，但确实可以填补裂缝，阻止混凝土进一步的裂解，这样将大大延长混凝土结构的使用寿命。 但他们相信，最终可以找到合适的配方，完成能自行修复裂缝的混凝土。
46730发布于 2018-05-29 - 来自专栏ATYUN订阅号
RoadBotics利用深度学习识别路面裂缝，节省人力物力资源
也许人们在驾驶中会遇到恼人的路面坑洼，而这条道路似乎总是得不到修复，但RoadBotics的创始人开发了一种技术，可以识别和归类街道上的每个裂缝，通过一个界面提醒管理人员，该界面可以放大车轮下方沥青的细节 政府人员可以选择一条10英尺长的道路，并放大到足以看到路面的鳄鱼裂缝，这是一种常见的沥青问题，是产生坑洼的前兆，而且甚至可以查看过去收集的数据来判断街道表面是否正在恶化。 今年，萨凡纳与RoadBotics达成协议，用半数街道做检测。在几个月内，他们收到了数据并对其道路进行了高科技渲染，并计划对网络的其余部分进行映射。
1.5K50发布于 2018-12-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号