检索结果-南通市图书馆

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的桥梁表观病害识别方法研究

基于深度学习的桥梁表观病害识别方法研究

作者：赵成重庆邮电大学

学位级别：硕士

桥梁是城市交通系统中重要的组成部分,一旦发生事故往往将造成极大的经济损失,甚至人员伤亡。因此,需要对桥梁进行定期检测与维护,及早发现桥梁病害以防止出现严重的桥梁坍塌事故。目前,桥梁表观病害检测主要采用人工检测的方式,然而基... 详细信息

桥梁是城市交通系统中重要的组成部分,一旦发生事故往往将造成极大的经济损失,甚至人员伤亡。因此,需要对桥梁进行定期检测与维护,及早发现桥梁病害以防止出现严重的桥梁坍塌事故。目前,桥梁表观病害检测主要采用人工检测的方式,然而基于人工的桥梁病害检测方式存在主观因素大、劳动强度高、自动化程度低等缺点。随着桥梁数量的进一步增长,基于人工的检测方式已经无法满足实际工程应用的需求,因此迫切需要研究更加高效、智能化程度更高的桥梁病害检测方法。于是,本文提出了基于改进的YOLOv4桥梁表观病害检测方法,并结合该算法开发了桥梁病害检测系统原型,以提高桥梁病害的检测效率。本文的主要工作如下:(1)本文收集了桥梁病害检测所采集的病害图像共4180张,通过对病害图像的分析,得出桥梁病害图像存在病害尺度变化大、环境复杂的问题。并根据病害的视觉特征,利用Label Image软件对病害的位置以及类别进行标注,建立了一个包括剥落、裂缝、蜂窝、空洞和露筋五类病害的桥梁表观病害数据集。(2)在桥梁病害检测中,由于采集到的病害图像存在病害尺度变化大、环境复杂的问题,因此,提出了基于改进的YOLOv4桥梁表观病害检测方法。首先,构建多尺度特征选择模块改进主干网络CSPDarknet53,以提升主干网络对于不同尺度病害的特征提取能力;其次,构建了位置关联性特征融合模块,将YOLOv4路径聚合网络输出的三个不同尺度的特征图分别变换到相同尺寸,再通过位置关联性特征融合模块进行多尺度特征的自适应融合,增强网络对复杂环境下特征的提取能力。实验结果表明,改进的YOLOv4算法对各类病害的检测精度均有提升。(3)设计并实现了桥梁病害检测系统原型,同时将本文提出的桥梁表观病害检测算法集成到该系统中。系统功能主要包括:病害检测模块、历史检测记录模块、病害数据采集模块。病害检测模块能够对采集的病害图像进行病害检测,并将相关检测结果永久保存;历史检测记录模块,提供历史检测记录查询功能,为桥梁健康评估提供数据支持;病害数据采集模块可实时展示当前采集的病害图像,便于观察病害图像质量。

关键词：桥梁表观病害病害检测 YOLOv4 检测系统

基于图像处理与深度学习的RC桥梁表观病害识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像处理与深度学习的RC桥梁表观病害识别

作者：蒋燕芳重庆大学

学位级别：硕士

在施工初始缺陷、长期交变荷载和突发事件过载的共同作用下,桥梁结构易出现各种病害,例如表面裂缝,混凝土块剥落,钢筋外露等。这些病害可能导致混凝土分层与开裂、结构构件承载能力降低,甚至可能引发重大安全事故。然而,桥梁结构数量多... 详细信息

在施工初始缺陷、长期交变荷载和突发事件过载的共同作用下,桥梁结构易出现各种病害,例如表面裂缝,混凝土块剥落,钢筋外露等。这些病害可能导致混凝土分层与开裂、结构构件承载能力降低,甚至可能引发重大安全事故。然而,桥梁结构数量多、体量大,常规的人工检查已较难满足众多桥梁日常检查的需求;同时,桥梁结构的外表面需借助昂贵的辅助设备才能接近检查,致使检查耗时多、费用高且存在一定的人身安全风险。因此,通过无人机拍摄桥梁表观的数字图像,并从图像中自动识别、分类病害成为解决桥梁病害检查的发展方向。本文基于图像处理技术改进病害图像目标多样性不足、轮廓细节不清晰的缺点,结合深度学习目标识别算法,建立基于图像处理和深度学习的钢筋混凝土桥梁表观病害识别方法,为通过无人机拍摄数字图像实现钢筋混凝土桥梁表观病害的自动检测、分类提供技术支撑。本文的主要研究内容及结论如下:(1)采用迁移学习改进YOLOv3目标识别算法。详细研究YOLOv3算法的网络结构以及在目标检测、分类上的原理。针对结构病害图片数量较难满足YOLOv3算法要求的问题,结合迁移学习策略,采用ImageNet图像集对YOLOv3算法进行预训练,以捕获图像边缘、轮廓等图像具有的普遍特征;再利用病害图片训练YOLOv3网络,使其能快速学习各类病害的细节特征。数值算例表明,采用迁移学习改进YOLOv3算法的病害识别精度有所提高。(2)基于图像增强、数据增强的数字图像处理方法。根据拉普拉斯锐化算子能增强图像细节信息的特点,采用该算子对RGB彩色图像进行图像增强,以突出病害目标的轮廓细节,提升表观病害的识别精度;采用基于仿射变换的数据增强算法对原始数据集进行病害目标多样性扩充,在不增加病害图片拍摄工作量的前提下进一步增加病害训练样本数量,提高YOLOv3算法捕获病害特征的能力。(3)提出基于图像处理和深度学习的桥梁表观病害识别算法—Reinforced concrete defects detection-YOLO(RCDD-YOLO)。采用图像增强、数据增强对病害图像进行预处理,并融入采用迁移学习改进后的YOLOv3算法中,以同时解决图像中目标细节不清晰、病害图像数据库中目标多样性不足的问题。计算结果表明,针对常见的7类混凝土表观病害类型,所提方法实现病害识别、分类和定位的精度可达92%。(4)分析RCDD-YOLO算法在图片拍摄噪声、光照条件和不同网络参数设置下的适用性。通过在测试数据中添加高斯白噪声模拟图像数据噪声,改变图像像素值模拟光照变化,结果表明所提算法对噪声和光照均具有一定的鲁棒性;通过对比参数batch不同取值,表明在合理的范围内,增大batch可提高内存利用率,加快计算速率,其收敛的方向更趋近于全局最优;当batch增大到一定程度后,收敛方向基本不变化。

关键词：桥梁表观病害 YOLOv3算法图像增强数据增强迁移学习

基于点云高斯曲率场的桥梁表观病害检测筛分方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点云高斯曲率场的桥梁表观病害检测筛分方法

作者：张翔宇重庆交通大学

学位级别：硕士

采用三维激光扫描技术进行桥梁结构表观质量评估是桥梁检测的发展方向之一。目前,三维激光扫描仪的硬件设备正在快速发展,而我们面对庞大的激光点云数据,其处理方法的迭代速度却没有与硬件发展的速度相适应。对于桥梁检测而言,如何利用... 详细信息

采用三维激光扫描技术进行桥梁结构表观质量评估是桥梁检测的发展方向之一。目前,三维激光扫描仪的硬件设备正在快速发展,而我们面对庞大的激光点云数据,其处理方法的迭代速度却没有与硬件发展的速度相适应。对于桥梁检测而言,如何利用先进的高精度三维激光扫描仪,在复杂的点云场景下,实现对大量点云数据的系统性自动化处理和对桥梁表面质量的快速检测,从而最大限度地发挥三维激光扫描仪的优越性,是目前迫切需要解决的问题。本文根据桥梁结构原始点云特点和后处理作业对桥梁点云数据的要求,采用高效精准的点云预处理算法对桥梁结构点云进行预处理;对点云可视化的桥梁表观特征进行研究,挖掘结构表观的高斯曲率分布特征,完成桥梁结构表观病害的检测;结合图像学,采用相关轮廓描述算法筛除了高斯曲率检测结果中包含的人工设置物。本文主要研究内容如下:首先,分析了桥梁结构点云数据在实际处理中存在的问题,研究适用于桥梁结构的点云预处理方法。(1)针对庞大的桥梁结构原始点云数据会对后续算法处理造成压力,采用曲率下采样和双边滤波去噪的方法对桥梁结构原始点云图像进行简化处理;(2)针对多站点云数据在拼接时受配准方法的影响,配准结果存在配准误差量级和效率不同的问题,采用NDT算法和ICP算法融合的点云快速精确配准算法对多站点云数据进行拼接处理;(3)针对桥梁结构的形状边缘会引起高斯曲率特征发生突变的问题,采用融合超体素和区域生长算法的点云分割方法对桥梁结构点云作分割处理;(4)通过对一座试验桥的点云数据进行预处理,验证了上述点云预处理方法的可行性。其次,分析了点云可视化的桥梁表观缺陷特征,研究了基于高斯曲率场的桥梁表观病害检测方法。(1)为了还原桥梁结构表观的真实情况,采用Delaunay三角网格算法对结构点云进行曲面重建,并基于网格化后的曲面计算了其表观的高斯曲率;(2)分析连续梁试验桥的桥面高斯曲率分布情况,针对桥面沥青混凝土形成的微小凹凸曲面会干扰病害结果的判断,采用对高斯曲率的计算结果进行区间限定的方法将微小凹凸面排除;(3)对高斯曲率极值点识别结果中包含碎石、坑槽和酥松剥落等多种形式的病害,通过计算高斯曲率极值点邻域点数量、高斯曲率极值点体积密度和高斯曲率极值点平面度等局部特征将病害进行分类。然后,针对高斯曲率识别结果中包含的人工设置物会影响评估病害程度这一问题,研究了基于Hu矩和形态学特征融合的人工设置物筛除方法。(1)为了能够对桥梁表观缺陷形态进行数字化描述,采用Hu矩和形态学的联合特征向量对轮廓进行描述;(2)为了提取桥面病害的点云,对桥面高斯曲率计算结果进行二值化处理;(3)为了筛除桥面病害中包含的人工设置物,建立了人工设置物数据库,采用人工设置物在桥面病害图像移动搜索的方式,完成该区域人工设置物的筛除。最后,以一座与试验桥的空间点云构成和使用情况类似的拱桥为研究对象,将本研究的桥梁结构点云预处理方法、基于高斯曲率场的桥梁表观病害检测方法和基于Hu矩和形态学特征的人工设置物筛除方法应用于此拱桥,完成了对该拱桥的结构表观病害的检测。本文研究了桥梁结构点云的预处理方法、利用高斯曲率检测结构表观病害和基于Hu矩形态学特征完成人工设置物筛除等内容,建立了一种基于点云高斯曲率场的桥梁表观病害检测筛分方法,为三维激光点云技术高效自动化地完成桥梁表观检测任务提供一条新的技术路径。

关键词：桥梁检测桥梁表观病害三维激光点云高斯曲率 Hu矩和形态学

基于深度学习和机器人的RC桥梁表观病害图像识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习和机器人的RC桥梁表观病害图像识别方法研究

作者：周清松重庆交通大学

学位级别：硕士

近年来,在中国科技飞速发展的背景下,通过高科技检测设备搭载高分辨率相机对桥梁表观核心部位进行拍摄,并运用深度学习算法从图像中自动定位识别病害类型,是顺应当前桥梁检测方法发展趋势。针对在桥梁表观病害图像中,病害部位占比少,背... 详细信息

近年来,在中国科技飞速发展的背景下,通过高科技检测设备搭载高分辨率相机对桥梁表观核心部位进行拍摄,并运用深度学习算法从图像中自动定位识别病害类型,是顺应当前桥梁检测方法发展趋势。针对在桥梁表观病害图像中,病害部位占比少,背景信息复杂、干扰因素多,同时以实现实时自主高准确率的检测识别桥梁表观病害为目的,本文提出一种基于深度学习的RC桥梁表观病害检测识别方法,并自主研发制作一款搭载高清相机的六足爬壁机器人,通过爬壁机器人获取桥梁表观画面并传回地面站进行实时检测识别,建立了一套半自动化桥梁表观病害检测识别系统。本文的主要研究内容如下:（1）针对现有公开桥梁表观病害数据集难以提供高质量的数据服务,本文收集整理712张常见桥梁表观病害图像,采用Label Img软件对图像病害部位进行人工标注,并与开源数据集融合后总共有1764张高分辨率桥梁表观病害图像。采用数字图像处理仿射变换技术对融合后的图像进行目标病害的多样性扩充,实现了在减少数据收集工作量的同时大幅提高YOLOv3对桥梁表观病害检测识别定位的能力。（2）针对桥梁表观病害特征多样化、尺度多样化和分布多样化等特性造成直接应用YOLOv3的检测识别效果差,提出一种改进的YOLOv3桥梁表观多病害检测识别方法。首先,引入Dense Net替换原部分特征提取网络,从而大幅度减少网络计算参数量以及改善了特征的传播和利用率;其次,在多尺度检测模块分支中嵌入SPP模块,能促进局部特征与全局特征更有效融合;最后,引入当前最优边框回归损失函数CIOU,并利用K-means聚类算法生成适用于本课题研究的YOLOv3先验框数据。这些改进方法有效地提高了算法对桥梁表观病害的检测识别定位能力,改进后YOLOv3的检测平均准确率（m AP）达到了86.3%。（3）针对桥梁表观病害检测高度依赖人工借助相关工具的传统方法具有效率低、主观性强、风险指数高等不利因素,本课题团队自主研发设计一款六足爬壁机器人。采用STM32F103开发板、舵机控制板、树莓派为核心组成硬件,以树莓派搭载高清相机部署在机器人端,利用frp内网穿透技术,可在地面工作站远程获取桥梁表观实时画面并利用所改进算法进行自主检测识别,采用Py Qt5设计开发了一款实时目标检测上位机软件,能直观展示实时检测识别的结果。

关键词：深度学习桥梁表观病害仿射变换技术 YOLOv3 爬壁机器人

基于卷积神经网络的RC桥梁表观病害识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的RC桥梁表观病害识别方法研究

作者：邹俊志重庆交通大学

学位级别：硕士

钢筋混凝土桥梁结构在长期服役过程中,受材料老化、车辆超载、施工缺陷、运营环境恶劣等多重因素耦合作用,会不可避免地产生混凝土裂缝、剥落、露筋、渗水等病害,极大地危害桥梁结构的安全性和稳定性。因此,及时地发现并治理桥梁病害对... 详细信息

钢筋混凝土桥梁结构在长期服役过程中,受材料老化、车辆超载、施工缺陷、运营环境恶劣等多重因素耦合作用,会不可避免地产生混凝土裂缝、剥落、露筋、渗水等病害,极大地危害桥梁结构的安全性和稳定性。因此,及时地发现并治理桥梁病害对提升结构的服役安全性至关重要。传统的人工检测强度大、财力耗费高、效率低下,对检测人员的知识储备和经验要求也较高。近年来,借助无人机、爬壁机器人等智能检测设备,搭载高清照相机对桥梁结构关键部件进行检查,获取结构外观病害图像,并从图像中自动分类、定位病害已成为桥梁检测的主要发展方向。针对具有复杂背景信息干扰的桥梁表观病害图像,以实现高精度、自动化、实时化识别桥梁表观病害为核心,本文建立了一套基于卷积神经网络的桥梁表观多病害识别方法,其主要的研究内容及结论如下:(1)为开展基于卷积神经网络的桥梁表观多病害识别任务,通过整理桥梁检测报告、公共数据集等资源,依据《公路桥梁技术状况评定标准》和《公路桥涵养护规范》,收集了2331张由裂缝、剥落、露筋、渗水组成的桥梁表观病害图像。根据不同病害视觉特点,采用LabelImg软件人工标定了病害图像类别及具体病害区域,分别构建了桥梁表观多病害图像分类数据集和多病害目标检测数据集。(2)针对传统病害分类方法主要基于手工特征,在复杂背景下抗干扰能力差,病害分类准确率低的问题,为进一步增强深度神经网络对于病害特征的提取能力,建立了基于深度残差网络ResNet18的桥梁多病害图像分类模型。将采集的病害图像经基于滑动窗口的人工数据扩增后,分别在AlexNet、VGG16、ResNet18网络中进行训练和测试,验证了ResNet18网络在病害分类上的准确率及优势。相比传统的PCA结合SVM方法,经迁移学习策略增强的ResNet18网络大幅度提升了模型分类准确率,实现了多类型桥梁表观病害的自动分类。(3)针对桥梁表观病害存在的形态复杂、密集分布、尺度变化较大等特性,为进一步获取病害的具体空间位置及轮廓信息,提出了基于改进YOLOv3的桥梁表观多病害目标检测方法。通过引入CBAM注意力机制模块和SPP模块,生成了更丰富语义信息的特征图,同时选用CIoU定位损失函数来训练网络,有效地提升了病害目标检测及定位的精度。改进后的YOLOv3算法其mAP值达到了0.843,能快速且更加精准地检测出复杂背景下的多种桥梁病害。结合灰度变换、Otsu阈值分割、形态学处理等数字图像处理方法,提取了像素级的病害面积以及裂缝的主骨架线,获得了裂缝的长度及最大宽度分布,实现了病害像素级尺寸参数的量化。

关键词：桥梁表观病害卷积神经网络图像分类目标检测 YOLO v3算法

基于深度学习的桥梁表观病害智能检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

山东交通科技 2023年第1期 44-46页

作者：程雨段志党吉浩中咨公路养护检测技术有限公司北京100097 中国公路工程咨询集团有限公司北京100089

为提升桥梁表观病害智能检测效果,使用深度学习方法研究了一种桥梁表观病害智能检测算法。通过采集和标注桥梁表观病害图像,建立四种不同类别的桥梁表观病害数据集,对桥梁表观病害数据集进行预处理,通过深度学习中的卷积神经网络方法实... 详细信息

为提升桥梁表观病害智能检测效果,使用深度学习方法研究了一种桥梁表观病害智能检测算法。通过采集和标注桥梁表观病害图像,建立四种不同类别的桥梁表观病害数据集,对桥梁表观病害数据集进行预处理,通过深度学习中的卷积神经网络方法实现桥梁表观病害智能检测算法。最后进行测试试验,结果表明所设计的基于深度学习的桥梁表观病害智能检测算法的检测精度更高,具备实际应用的可行性。

关键词：深度学习桥梁表观病害智能检测算法特征提取

基于YOLOv5和DeepLabv3+的桥梁结构病害智能识别技术

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

公路 2023年第12期68卷 368-374页

作者：鲜荣刘天成朱超王伟广东省公路建设有限公司广州市511447 黄茅海跨海通道管理中心珠海市519055 中交公路长大桥建设国家工程研究中心有限公司北京市100088

传统以人工为主的桥梁表观病害识别方式存在着效率低下、风险高等问题,已不能满足当今桥梁检测任务的要求。针对上述问题,本研究结合目标检测与语义分割技术,提出了一套桥梁表观病害智能识别算法,完成了桥梁病害的智能识别与尺寸计算任... 详细信息

传统以人工为主的桥梁表观病害识别方式存在着效率低下、风险高等问题,已不能满足当今桥梁检测任务的要求。针对上述问题,本研究结合目标检测与语义分割技术,提出了一套桥梁表观病害智能识别算法,完成了桥梁病害的智能识别与尺寸计算任务。研究中通过多种手段收集桥梁病害图像,构建桥梁表观病害目标检测数据集和语义分割数据集;训练了YOLOv5病害识别及定位网络和DeepLabv3+病害区域提取网络;对病害区域提取结果进行噪点去除、毛刺剔除、裂缝体分解等预处理后,采用邻域划分和正交骨架实现了病害长、宽尺寸的计算,并在桥梁实拍病害图像上进行了算法测试。本研究开发的病害识别技术实现了桥梁表观病害高效率、高精度的自动识别和尺寸计算,提升了桥梁检测的工作效率和安全性。

关键词：桥梁工程桥梁表观病害病害智能识别 YOLOv5 DeepLabv3+ 病害尺寸计算

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

西北干寒地区桥梁病害智能诊断技术研究

西北干寒地区桥梁病害智能诊断技术研究

作者：张昊宇兰州交通大学

学位级别：硕士

由于我国西北干寒地区长期处于干燥寒冷状态,太阳辐射强、温差大,导致该地区桥梁相比其他地区更易出现病害。目前,桥梁表观病害的检测主要通过检测人员现场检测、处理数据,耗时耗力,尤其对于处在特殊环境的桥梁进行检测,对检测人员的知... 详细信息

由于我国西北干寒地区长期处于干燥寒冷状态,太阳辐射强、温差大,导致该地区桥梁相比其他地区更易出现病害。目前,桥梁表观病害的检测主要通过检测人员现场检测、处理数据,耗时耗力,尤其对于处在特殊环境的桥梁进行检测,对检测人员的知识储备和经验要求更高,同时存在安全隐患。近年来,通过无人机等终端设备获取桥梁病害表观图像,并对图像进行分析已成为桥梁检测研究的重点方向。通过对西北干寒地区桥梁病害进行调查研究,针对该地区病害类别,建立了西北干寒地区桥梁病害智能诊断模型,其主要的研究方法及结论如下:(1)通过实地调查西北干寒地区公路干线桥梁,结合相关文献,对西北地区桥梁易发生的病害进行机理分析,主要包括混凝土裂缝、碱骨料反应、混凝土泛碱、钢筋腐蚀、混凝土碳化以及冻融破坏,导致桥梁出现裂缝、剥落、泛碱、露筋、腐蚀5类表观病害。收集西北干寒地区桥梁表观病害图像,制作分类模型和分割模型数据集。(2)针对传统卷积神经网络参数量大、训练复杂的问题,采用轻量化卷积神经网络Mobile Net V2模型,构建桥梁病害图像分类模型。为解决样本数据缺乏问题、增强模型对桥梁病害识别任务的适应性、充分提取病害特征,基于轻量化卷积神经网络Moblie Net V2模型增加了迁移学习的方法,设计了递进式分类器和跨局部链接的网络骨干,以提升网络模型对桥梁病害的识别能力。通过改进的Mobile Net V2模型与3种传统卷积神经网络模型进行对比分析,改进的Mobile Net V2模型和Res Net50模型均有较高的准确率,但改进的Mobile Net V2模型相比Res Net50模型,参数量和计算量分别降低了92.39%、97.44%,训练时间降低了60.56%。将3种经典卷积神经网络分类模型与改进的Mobile Net V2模型应用于3座西北干寒地区桥梁,对其表观病害进行分类,改进的MobileNetV2模型获得了90.41%的准确率,与Res Net50模型相比识别耗时降低了83.78%。实验表明:改进的Mobile Net V2模型在拥有较低参数量和模型计算量的同时可以得到较高的准确率、更快的训练速度及更低的分类耗时。(3)为了对桥梁表观病害做出量化的判断,采用卷积神经网络Deep Lab V3+模型,对桥梁表观病害的图像进行分割,获取其尺寸信息。根据西北干寒地区桥梁表观病害图像的特点优化模型结构,将原始Deep Lab V3+模型的骨干网络替换为Res Net50结构,采用ELU激活函数以及Focal Loss损失函数,并对改进模型采用微调的方式进行迁移学习优化。通过标靶法,实现了病害像素尺寸对实际尺寸的转换。通过与2种传统的分割模型UNet、Seg Net进行对比,平均像素精度分别提高了1.82%、3.64%;平均交并比分别提高了3.4%、4.28%。将改进的Deep Lab V3+模型用于实例分析,模型检测得出的病害尺寸与人工实际测得尺寸的相对误差大部分集中在4%～6%之间。实验表明:改进的Deep Lab V3+模型可以准确的对西北干寒地区桥梁表观病害进行分割,并应用于实际桥梁检测。

关键词：干寒地区桥梁表观病害计算机视觉图像分类语义分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像深度学习的桥梁病害识别分类研究

基于图像深度学习的桥梁病害识别分类研究

作者：宋雯莹北京邮电大学

学位级别：硕士

桥梁安全问题一直备受关注,桥梁是否存在问题,往往需先对其最直观的表观状态进行评定,再确定是否需要做进一步特殊检查。因此密切关注桥梁的表观结构状态,及时发现和处理桥梁表观病害,是保证桥梁正常运行的有效手段。近几年,使用深度学... 详细信息

桥梁安全问题一直备受关注,桥梁是否存在问题,往往需先对其最直观的表观状态进行评定,再确定是否需要做进一步特殊检查。因此密切关注桥梁的表观结构状态,及时发现和处理桥梁表观病害,是保证桥梁正常运行的有效手段。近几年,使用深度学习技术对大量桥梁表观图像进行检测,识别出病害类型和位置,是一大新兴研究热点,相关研究成果尚少。由于桥梁表观图像拍摄场景复杂,多类型病害共存情况多,病害识别存在诸多挑战。本文针对桥梁表观病害定期检测工程的复杂场景,利用深度学习算法结合图像处理方法开展研究,设计并实现了桥梁表观病害识别分类器BADIC,并以其为基础开发了桥梁表观病害检测前端应用工具。针对桥梁表观病害图像检测工程,本文的研究成果有:1、提出了一种基于Faster R-CNN的桥梁表观病害检测模型,在本文数据集BridgeDisease019上进行评估实验,结果表明其通过改进锚窗初始设置和筛选机制,分别提升了平均精度3.3%和2.3%。2、针对复杂检测场景,设计并开发了识别分类器BADIC,实现了对四种桥梁表观病害的分类、识别和裂缝提取,其对蜂窝麻面、白析、裂缝、锈蚀四种病害的识别准确率分别为94.28%、94.71%、94.13%、97.71%。3、开发了桥梁表观病害检测Web应用工具,并基于BADIC开发了桥梁表观病害分类识别模块和桥梁表观裂缝提取模块,可实际应用于桥梁检测工程。本文开发的识别分类器BADIC和Web工具,达到了桥梁检测的工程要求,并有效应用于复杂的拍摄场景和病害场景,具有很强的实用性。

关键词：深度学习桥梁表观病害目标检测边缘提取 Web开发