基于深度学习的建筑物表面裂缝检测技术研究与实现

发布时间：2021-09-03 07:24

　　在大坝、桥梁、隧道等基础设施的建设中,混凝土作为用途最广、用量最大的一种建筑材料发挥着重要作用。然而由于恶劣天气、使用时间、材料质量和施工技术等原因,建筑物的混凝土构件经常会出现不同程度的裂缝,导致混凝土构件形成一定损伤,对基础设施的使用寿命、行人安全以及社会经济产生严重影响。因此对混凝土表面的裂缝等缺陷结构进行检测成为一大重要研究问题。针对此问题,本文提出了一种基于深度学习的裂缝图像检测与分割方法。该方法主要分为两个阶段:在第一阶段中,我们通过卷积神经网络提取抽象特征,并保留每一层的特征图。在第二阶段,我们利用转置卷积将特征图放大,并与低维度的特征进行融合,从而得到精确度更高的分割模型。此外,我们还提出了一种适用于细小物体分割网络的边界加权损失函数,根据像素点到边界的距离不同而给予不同权重,从而使得细边界目标区域被判定为正样本时具有更高的优先级,以此减少分割结果的断裂情况,提高检测精度。为符合实际应用场景,本文还构建了一个真实的裂缝数据集,用于对模型进行训练和验证。之后我们基于图像处理技术对裂缝的分割结果进行了定量分析,通过基本的形态学方法如腐蚀、膨胀、开闭运算等操作得到裂缝的分割标... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图２－１卷枳神经网络结构??（１）输入层（Ｉｎｐｕｔ?ｌａｙｅｒ）??

?素越近，相关性越强，反之则越弱。因此局部感知使用部分神经元来接收图像信??息，然后通过整合所有信息来实现图像增强的目的。从图２－２可以看出，第ｎ＋１??层的节点只与第ｎ层的３个节点相连，因此只需要３＊３＝９个参数，相比于每一个??都两两相连需要５＊３＝１５个参数减少了?４０％的计算量。与此类似，第ｎ＋２层和第??ｎ＋１层也采用这种连接方法。这种局部连接大大减少了参数的数量，加快了学习??效率，并在一定程度上降低了过拟合的可能性。??第ｎ＋２层??Ｖ??、、??，?、、??ｖ?／?Ｖ?ｙ?Ｖ?／??Ｘ?！?Ｘ．?Ｘ?Ｉ?＼??Ｘ?＞丄、?Ｖ、??－（；．＿：；?〇?ｒ）?〇??图２－２局部关联示意图??卷积足ＣＮＮ中的核心操作，它通过一个滑动窗口，把卷积核与对应的阁像??像素相乘然后相加。比如图２－３屮我们在一个５＊５的阁像上，用一个３＊３的卷积??核來进行卷积操作

?素越近，相关性越强，反之则越弱。因此局部感知使用部分神经元来接收图像信??息，然后通过整合所有信息来实现图像增强的目的。从图２－２可以看出，第ｎ＋１??层的节点只与第ｎ层的３个节点相连，因此只需要３＊３＝９个参数，相比于每一个??都两两相连需要５＊３＝１５个参数减少了?４０％的计算量。与此类似，第ｎ＋２层和第??ｎ＋１层也采用这种连接方法。这种局部连接大大减少了参数的数量，加快了学习??效率，并在一定程度上降低了过拟合的可能性。??第ｎ＋２层??Ｖ??、、??，?、、??ｖ?／?Ｖ?ｙ?Ｖ?／??Ｘ?！?Ｘ．?Ｘ?Ｉ?＼??Ｘ?＞丄、?Ｖ、??－（；．＿：；?〇?ｒ）?〇??图２－２局部关联示意图??卷积足ＣＮＮ中的核心操作，它通过一个滑动窗口，把卷积核与对应的阁像??像素相乘然后相加。比如图２－３屮我们在一个５＊５的阁像上，用一个３＊３的卷积??核來进行卷积操作

【参考文献】：
期刊论文
[1]基于深度学习的全卷积网络图像裂纹检测[J]. 王森,伍星,张印辉,陈庆.  计算机辅助设计与图形学学报. 2018(05)
[2]彩色图像分割方法综述[J]. 林开颜,吴军辉,徐立鸿.  中国图象图形学报. 2005(01)
[3]土木工程结构健康监测研究进展[J]. 孙鸿敏,李宏男.  防灾减灾工程学报. 2003(03)



本文编号：3380684