基于双流Transformer和图卷积神经网络的区域裂缝特征智能识别和多维统计方法
申请号:CN202511103340
申请日期:2025-08-07
公开号:CN121032924A
公开日期:2025-11-28
类型:发明专利
摘要
本发明提供了基于双流Transformer和图卷积神经网络的区域裂缝特征智能识别和多维统计方法,属于图像处理技术领域,包括:数据获取与预处理:运用图像采集设备和三维扫描设备获取划定区域的二维图像与三维点云数据,并分别对二维图像进行灰度化、降噪、增强,对三维点云进行滤波、配准和归一化处理;本发明通过构建双流Transformer网络,利用其图像分支和点云分支分别处理二维图像数据与三维点云数据,并借助多头注意力机制充分提取数据特征,同时,将三维点云数据构建为图结构,搭建图卷积神经网络提取裂缝的局部几何与拓扑特征,克服单一深度学习模型对图像全局信息和点云数据结构信息提取能力有限的不足,能够更精准、全面地识别划定区域内的裂缝。
技术关键词
裂缝特征
三维点云数据
统计方法
卷积神经网络提取
多头注意力机制
分支
神经网络分类器
图像采集设备
三维扫描设备
节点
拓扑特征
深度学习模型对图像
前馈神经网络
卷积神经网络特征
可视化工具