利用matlab 对高速公路的裂缝进行检测，用到了数字图像处理的基本算法

裂纹检测系统 该项目使用 Python 的 OpenCV 库和深度学习来检测裂纹区域，并根据裂纹百分比警告驾驶员所需的速度限制。 描述 介绍页面：描述项目的页面 登录页面：用于登录网站 注册页面：用于注册到网站 索引页：这是我们输入前方道路图像的主页 输出页：在索引页上输入图像后，输出的道路被裂缝覆盖的百分比如下所示 使用 ResNet50（卷积神经网络）预训练的深度学习模型用于预测图像中的裂缝 输出显示裂纹百分比并使用此百分比警告 spped 限制。 使用的技术栈 HTML - 前端 CSS - 前端 BootStrap - 前端 Javascript - 前端 Django - 后端 Python - 深度学习模型 PostgreSQL - 数据库 安装和设置步骤 克隆存储库 git clone https://github.com/ak2502/crack-detection.git

基于matlab的公路裂纹检测方法 裂缝检测

matlab裂隙检测源码裂纹检测器 ############################################### #####################################基于多维的路面裂缝检测图网络细化尺度曲线结构滤波器 （正在审查的论文） ############################################### ##################################### 1.安装。 a) 此版本是为 Matlab 解释器编写的（使用版本 R2017b 测试）并且需要 Matlab 图像处理工具箱。 由于合作企业的政策，我们无法发布源代码，并使用'.p'文件对其进行加密。 b) 由于大地距离变换和种子拓扑分水岭变换用于生成过完备的潜在裂缝路径，因此需要以下两个工具箱： Dirk-Jan Kroon 的精确快速行进工具箱。 它可以在以下位置下载： 种子拓扑分水岭变换需要 DIPimage 工具箱。 它可以在以下位置下载： 2.入门。 请务必仔细按照上述安装说明进行操作。 请参阅“Demo.m”以运行演示并获取基本使

1、YOLOv3道路和桥梁裂缝检测训练权重 ，附有各种训练曲线图 2、classes: crack 3、包括数据集，标签格式为VOC和YOLO两种 4、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127131688?spm=1001.2014.3001.5501

1、YOLOv5道路和桥梁裂缝检测训练权重 ，附有各种训练曲线图 2、classes: crack 3、包括数据集，标签格式为VOC和YOLO两种 4、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127131688?spm=1001.2014.3001.5501

1、YOLOv7道路和桥梁裂缝检测训练权重 ，附有各种训练曲线图 2、classes: crack 3、包括数据集，标签格式为VOC和YOLO两种 4、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127131688?spm=1001.2014.3001.5501

路面裂缝数据集，可用于道路裂隙检测等实验

在这项工作中，提出了一种用于裂纹检测的深度监督网络。在该网络中，DeepLab被用作密集特征提取器，以获得多尺度卷积特征。采用了一种新的多尺度特征融合模块。 该模块背后的主要动机是解决U形结构中具有语义信息的深层特征在逐层融合过程中被稀释的问题。深度监督学习用于多尺度特征的集成直接监督。此外，采用加权交叉熵损失函数来解决路面裂缝数据的样本不平衡问题。为了进行性能评估，我们分别在三个公共裂缝数据集上进行了实验。实验结果表明，我们的方法优于最先进的裂纹检测方法。

可以进行裂缝检测和长宽定量计算，包含了主流的裂缝检测算法（OTSU、kapur、Niblack、迭代法区域生长）等，包括了连通域分析和形态学处理等方法。