服务机构: 科创帮

行    业:电子信息 电子信息 计算机视觉

中试 上海

项目特色:

系统创新性地引入深度可分离卷积与Dense连接，提升了U-Net模型在图像分割过程中的效率。基于Bounding Box的测量方法将语义分割的结果按像素类型绘制外接矩形，并结合深度信息实现了目标精确测量。通过嵌入式开发与深度相机的二次开发，系统实现了实时检测和远程数据传输，能够有效观测石材幕墙的缺陷，并为后续的维护工作提供分类和存储功能。该技术极大提高了检测效率和准确性，解决了传统人工检测的弊端。

技术产品介绍

该智能检测系统采用U-Net卷积神经网络进行语义分割，结合深度相机的深度信息，实现石材幕墙缺陷的自动检测。系统能够实时测量裂缝长度，并根据不同的缺陷类型进行分类存储。通过无人机和地面PC的协同工作，系统可以对石材幕墙进行全面监测，并通过远程桌面协议实现实时数据传输。系统中的深度学习模块和测量算法确保了高精度和高效率，显著提升了建筑外墙检测的准确性。

技术优势

系统采用深度学习技术，结合U-Net卷积神经网络和深度可分离卷积模块，有效提升了图像分割效率。在检测目标时，系统通过Bounding Box测量方法和深度信息实现了像素级别的精确测量，确保了高精度的检测结果。相较于传统检测方法，系统能够在不依赖于复杂硬件的情况下，通过嵌入式设备和无人机实现高效、快速的检测，大幅降低了检测成本。此外，系统具有实时监测功能，能够为建筑维护提供及时的数据支持。

市场前景

随着基础设施老化问题的加剧，智能检测系统在建筑维护领域的应用前景广阔。该系统结合了嵌入式开发、深度学习和无人机技术，能够快速、准确地检测建筑外墙的缺陷，大大提高了检测效率和精度，适合用于大型建筑、桥梁和石材幕墙等基础设施的实时检测。由于系统具有较强的适应性和高性价比，预计未来在建筑检测和维护领域得广泛应用。该系统的商用化潜力巨大，能够显著减少建筑维护中的人工成本和时间投入。