基于卷积神经网络的桥梁裂缝识别与测量方法研究

发布时间：2020-05-13 13:42

【摘要】：随着国家基础建设的快速发展,中国公路桥梁得到广泛建设和普及。在桥梁的运营和使用过程中,时有桥梁坍塌事故的发生,造成大量经济损失和人员伤亡,因此,桥梁的维护和监管受到高度重视。传统的人工检测病害的方法效率低下,不能够满足日常桥检的巨大工作量,采用高科技技术手段自动对桥梁进行病害检测是发展的必然趋势。近年来,随着深度学习在机器视觉领域的飞速发展,卷积神经网络在目标识别、目标检测等方面的应用效果已优于传统图像处理。与传统的方法不同的是,它不需要手动提取特征,而是模拟人类的视觉系统,对图像的特征进行抽象感知,从而进行目标识别和检测。鉴于桥梁所处环境的复杂性和多样性,本文基于搭载了高清摄像头,GPS定位系统的无人机进行桥梁裂缝检测结果进行研究。本文主要研究内容如下:(1)数据的获取与标定:本文使用无人机采集桥梁裂缝图像,并提出了一种使用matlab对裂缝的测量数据进行标定的方法,减少了标记的工作量。(2)提出了新的基于CNN的桥梁裂缝识别算法,引入了新的网络框架,并对识别后的图像用形态学进行整合,去除特殊情况造成的裂缝纹理,使桥梁裂缝识别的准确度更高。(3)提出了基于CNN的桥梁裂缝检测算法,使用目标检测对裂缝进行定位,使用图像处理的方法对定位后的裂缝进行处理,从而得出了桥梁裂缝特征具体数值。其中针对桥梁裂缝的特点对目标检测算法进行了改进,使裂缝的定位更快速且精确。(4)封装桥梁裂缝识别和测量算法,自动检测桥梁裂缝图像并输出结果,使桥梁裂缝检测更加自动化和智能化。实验结果表明,本文提出的桥梁裂缝检测算法具有较高的准确度和较小的测量误差。
【图文】：

FCN结构

在完成了对数据集的划分及预处理操作后验证集和测试集[32],三个集合的图像没有交集，测试集分别包含 7000 个和 3000 个样本，，这些参数设置。模型中采用的损失函数为 cross-ent daptive moment estimation,Adam）进行优化，，批大小（batchsize）设置为 10，学习率（lea迭代次数进行更新，为防止过拟合，丢失率（dropo练集的正确率（accuracy）和损失（loss）判断集上的正确率判断模型是否具有泛化能力，是否搭建及运行使用了 tensorflow，它具有高度的灵最优化的特点。实验运行结果用 tensorboard
【学位授予单位】：广西科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;U446

【相似文献】

相关期刊论文 前10条

1 赵为永;陈宏民;;常规测井与成像测井结合进行裂缝识别方法研究[J];青海石油;2008年02期

2 刘新根;陈莹莹;朱爱玺;杨俊;何国华;;基于深度学习的隧道裂缝识别方法[J];广西大学学报(自然科学版);2018年06期

3 孙炜;李玉凤;付建伟;李天义;;测井及地震裂缝识别研究进展[J];地球物理学进展;2014年03期

4 程时清;李菊花;李相方;陈思;;裂缝识别的动态模型与应用[J];石油钻采工艺;2007年02期

5 任宜春,易伟建;基于小波分析的梁裂缝识别研究[J];计算力学学报;2005年04期

6 夏国朝;孔凡华;朱从军;;早期裂缝识别技术在低孔低渗油藏中的应用[J];大庆石油地质与开发;2008年06期

7 张宫;李宁;郭宏伟;武宏亮;罗超;;远探测声反射波测井裂缝识别条件分析（英文）[J];Applied Geophysics;2015年04期

8 柴雪松;朱兴永;李健超;薛峰;辛学仕;;基于深度卷积神经网络的隧道衬砌裂缝识别算法[J];铁道建筑;2018年06期

9 林缨;李学平;;结构多位置裂缝识别的有限元方法[J];南京师大学报(自然科学版);2012年01期

10 温作林;申永刚;苏建;俞臻威;;基于卷积神经网络的混凝土裂缝识别[J];低温建筑技术;2019年06期

相关会议论文 前10条

1 路鹏飞;陶果;何峰江;;声波图象处理和裂缝识别方法研究[A];中国地球物理.2003——中国地球物理学会第十九届年会论文集[C];2003年

2 刘文斌;潘保芝;蒋必辞;;一种提高火山岩储层裂缝识别精度的方法研究[A];2016中国地球科学联合学术年会论文集（三十九）——专题79：中国古生物学和地层学最新进展、专题80：地热理论与应用、专题81：应用地球物理学前沿[C];2016年

3 泉波;;自动化裂缝识别技术在国际上的应用[A];养护与管理2013年6月号（总第29期）[C];2013年

4 李冬;师素珍;郭家成;;基于蚂蚁追踪技术的煤层裂缝识别方法及应用[A];2016中国地球科学联合学术年会论文集（三十）——专题54：煤炭资源与矿山地球物理[C];2016年

5 陈力群;汪中浩;刘海军;;西北缘地区石炭系火成岩裂缝识别研究[A];中国地球物理学会第二十三届年会论文集[C];2007年

6 刘文斌;潘保芝;蒋必辞;张丽华;;电成像测井裂缝识别中多种图像分割方法应用效果对比[A];2016中国地球科学联合学术年会论文集（十九）——专题40：油气田与煤田地球物理勘探[C];2016年

7 张永杰;王艳峰;孙荣艳;顾军华;;公路裂缝识别系统中的图像拼接技术[A];2007年河北省电子学会、河北省计算机学会、河北省自动化学会、河北省人工智能学会、河北省计算机辅助设计研究会、河北省软件行业协会联合学术年会论文集[C];2007年

8 刘峰;;低渗透储层裂缝描述方法及分布规律研究[A];第三届全国沉积学大会论文摘要汇编[C];2004年

9 黄宝华;陶宏根;陈浩;王宏建;;交叉偶极声波测井资料在裂缝识别上的应用[A];2008年全国声学学术会议论文集[C];2008年

10 林艳波;李亚玲;焦宝;郑锡;范志;;姬塬油田三叠系油藏裂缝见水规律及治理对策研究[A];第十二届宁夏青年科学家论坛石化专题论坛论文集[C];2016年

相关博士学位论文 前4条

1 周灿灿;柏各庄地区构造样式及储层构造裂缝识别与预测[D];中国科学院研究生院（广州地球化学研究所）;2003年

2 刘宇飞;基于模型修正与图像处理的多尺度结构损伤识别[D];清华大学;2015年

3 李学平;裂缝损伤结构动力分析及其识别方法研究[D];中南大学;2009年

4 闫伟林;潜山裂缝性储层测井评价技术及其在苏德尔特油田上的应用[D];中国地质大学（北京）;2009年

相关硕士学位论文 前10条

1 杨敏;基于深度学习级联技术的隧道裂缝识别与分析算法研究[D];北京邮电大学;2019年

2 冯卉;基于深度学习的道路裂缝识别算法研究与实现[D];北京邮电大学;2019年

3 贾潇宇;基于卷积神经网络的桥梁裂缝识别与测量方法研究[D];广西科技大学;2019年

4 林亚茹;基于图像处理的混凝土桥梁裂缝识别技术研究[D];北京化工大学;2018年

5 王磊;基于深度置信网络的路面裂缝识别算法研究[D];湖北工业大学;2018年

6 刘彦均;基于caffe双模型的路面裂缝识别算法研究[D];长安大学;2018年

7 李逸;测井裂缝识别方法研究及软件开发[D];中国石油大学（北京）;2017年

8 狄亚平;路面裂缝识别算法研究[D];郑州大学;2018年

9 刘刚战;基于深度学习的公路裂缝识别研究[D];河南科技大学;2018年

10 李东阳;常规测井曲线裂缝识别方法研究[D];中国石油大学(北京);2016年

本文编号：2662048