TY -的盟黄平君Nhat-Duc PY - 2018 DA - 2018/11/15 TI -提供基于图像处理识别墙使用机器学习方法的缺陷,并可操纵的过滤器SP - 7913952六世- 2018 AB -检测的缺陷包括高层建筑物墙表面裂缝和裂开等建筑物的维护是一个至关重要的任务。如果左未被发现和治疗,这些缺陷可以显著影响结构完整性和建筑审美的方面。及时和有效的建设情况调查的方法练习需要业主和维护机构来取代人工调查的时间和labor-consuming方式。本研究构建的图像处理方法定期评估壁结构的条件。图像处理算法的可操纵的过滤器和投影积分是用来从数字图像中提取有用的特性。新开发的模型依赖于支持向量机和最小二乘支持向量机推广条件分类的分类边界墙分为五个标签:纵向裂缝、横向裂缝、斜裂缝、剥落损伤,和完整的墙。组成的一个数据集收集500份图像样本训练和测试基于机器学习的分类器。实验结果指出,该模型结合了图像处理和机器学习算法可以达到良好的分类性能,分类准确率= 85.33%。因此,新开发的方法可以是一个有前途的替代协助维护机构定期调查。SN - 1687 - 5265 UR - https://doi.org/10.1155/2018/7913952 - 10.1155 / 2018/7913952摩根富林明计算智力和神经科学PB - Hindawi KW - ER