基于双卷积神经网络的桥梁裂纹实时检测技术研究
发布时间：2020-12-18 09:20
桥梁是一个国家的经济命脉,而桥梁结构在整个使用寿命周期中,不可避免地受到疲劳载荷环境侵蚀和突然的地震等灾害等复杂因素的耦合作用,结构损伤逐渐的发展和积累,导致安全性不断下降,服役性能不断下降。这个研究课题已经进行了很多年,国内外学者提出了很多接触非接触式桥梁结构安全性评估方法,如声波法,红外法等,但普遍存在成本高昂,效率低下,鲁棒性低的问题。裂缝是混凝土桥梁最常见、最重要的病害之一,随着计算机视觉技术和深度学习的发展,图像法桥梁裂纹检测成为了新的研究热点。近年来,基于深度学习的图像如理方法发展起来,算法效果显著提升的同时,仍然容易出现非裂纹区域错误识别,准确度不高的问题。针对这些问题本文提出了一种由一个卷积神经网络（CNN）模型和一个语义分割神经网络（Segnet）模型组成的双卷积神经网络模型来识别图像中的裂纹。首先,构建CNN模型识别裂纹分割兴趣区域。CNN模型将排除非裂纹区域的斑点、阴影、水渍、涂鸦等干扰因素。然后用Segnet模型对CNN获得的裂纹兴趣区域进行像素级分割,提取出长度、宽度等裂缝特征。通过使用公开数据集训练CNN-Segnet模型来识别实际混凝土桥梁裂缝,与现有的图...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
宝成铁路石亭桥垮塌
013年2月1日，连霍沪渝高速公路宜昌长江大桥桥体坍塌发生事故。倒塌的这座桥梁混凝土面板大约有80米长。八辆车一下子倒在桥下。事故共发生造成10人伤重死亡，11人严重受伤。在刚刚过去的五年里，我国总共累计发生了37起重大倒塌建筑事件，造成182人伤重死亡，177人头部受伤。铁路安全建设是国家保障广大人民群众生命财产安全的重要一环。只有防微杜渐防患于未然，才能真正保证消除隐患。实现及时、高效、准确地消除检测安全隐患，已逐渐成为当前制约人民共和国境内铁路安全健康运行的一大关键。图1-1宝成铁路石亭桥垮塌图1-2悬臂桥检车检查桥梁状况桥梁建设要能够科学、有效地对其进行周期养护，就必须建立有一套科学、合理的公路桥梁病害检测与风险评价处理方法。目前我国桥梁的探伤检测试验方法主要包括有人工观测试验法和桥梁无损检测法[5]。常规大桥表观检的巡检车辆采用高空桁架桥检车、悬臂桥检车，以人力目检为主。准确、及时地快速发现桥梁裂缝现象是公路桥梁日常检修维护的一项重要技术工作。寻找这些表面裂缝的一种传统检测方法(Fujitaetal.，2006)主要是人工式的观察。用专门的小型桥梁裂缝检查检验车或桥梁脚手架来检查这些桥梁裂缝，并手工检查记录这些裂缝中的信息。传统生产方法的主要技术缺点如下是(1)操作效率低，耗时长，且额外消费高。根据中国国家桥梁技术缺陷评价质量标准，桥梁各部分构件质量应根据桥体裂缝等桥梁视觉技术缺陷情况进行实质定量分析描述。因此，桥梁安全检测的内外部检测工作都应该是非常繁重的。(2)低精度。目前，裂缝点的宽度测量只能用个别断裂点宽度来对一定量进行描述。然而,其他技术参数，如断层裂纹的分布数量，长度和断裂位置，只能简单估计。检验工作结果的真实准确性在很大一定程度上主要取
哈尔滨工业大学工学硕士学位论文-3-铁桥梁，往往智能夜间非营运时间检测；高空作业或桥下作业，安全风险较大；受检测人员专业素养、经验水平等因素影响，主观因素影响较大。鉴于此，本课题拟开发桥梁表观检测的自动化算法，将具有高效、客观、安全等突出优势。图1-3爬壁机器人图1-4基于无人机的非接触检测方法能够及时准确的获取裂纹宽度与长度信息，并关注随时间的裂纹生长情况，就能够更有针对性地对高风险位置进行修补加固。1.2国内外研究现状1.2.1基于图像处理技术的方法这个学术研究课题已经持续进行了很多年,国内外相关学者已经提出了很多关于接触非接触式结构桥梁主体结构技术安全性能的评估研究方法，如超声波法，红外法等，但普遍存在技术成本高昂，效率低下，可靠性差的技术问题。裂缝裂纹是建筑混凝土结构桥梁最常见、最重要的施工病害之一，随着现代计算机学和视觉识别技术的飞速发展，图像识别法凝土桥梁梁缝裂纹成像检测技术成为了新的学术研究领域热点。桥梁严重损伤的发生位置很多在交通路线下方以及其桥墩上，且损伤位置相对隐蔽，因此会容易受到其他桥墩的阻碍。除了梁和墩，桥梁主体结构的主要组成部分还有两个主拱和两座桥塔。因此,获取完整的我国桥梁立体图像更加困难，为此我国相关技术研究工作人员先后提出了多种不同的方法获取完整桥梁损伤视像的技术[6]。(1)阈值分割识别法。该取值算法主要基于感光裂纹的颜色灰度，裂纹范围与其他光背景的差异取值。背景的裂纹灰度平均值将远远大于没有裂纹的背景灰度平均值。找到合适的图像灰度值和阈下数值，就等于可以将整个图像进行
【参考文献】：
期刊论文
[1]基于机器视觉的桥梁检测技术现状及发展[J]. 林国章. 中国新技术新产品. 2018(11)
[2]桥梁施工质量控制及常见问题解决措施[J]. 邹辉,李华同. 交通世界. 2017(36)
[3]中国桥梁技术的现状与展望[J]. 张喜刚,刘高,马军海,吴宏波,付佰勇,高原. 中国公路. 2017(05)
[4]高铁混凝土桥梁内部缺陷无损检测技术[J]. 王虎,魏祥龙. 工程建设. 2017(02)
[5]桥梁检测与维护加固的重要性分析[J]. 马荣基,邱朗. 中国高新技术企业. 2016(02)
[6]基于数字图像处理的表面裂纹检测算法[J]. 邹轶群,侯贵仓,杨峰. 微计算机信息. 2004(04)
硕士论文
[1]基于深度学习的混凝土路面裂缝检测[D]. 王丽苹.河北工程大学 2018
本文编号：2923759
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
宝成铁路石亭桥垮塌
013年2月1日，连霍沪渝高速公路宜昌长江大桥桥体坍塌发生事故。倒塌的这座桥梁混凝土面板大约有80米长。八辆车一下子倒在桥下。事故共发生造成10人伤重死亡，11人严重受伤。在刚刚过去的五年里，我国总共累计发生了37起重大倒塌建筑事件，造成182人伤重死亡，177人头部受伤。铁路安全建设是国家保障广大人民群众生命财产安全的重要一环。只有防微杜渐防患于未然，才能真正保证消除隐患。实现及时、高效、准确地消除检测安全隐患，已逐渐成为当前制约人民共和国境内铁路安全健康运行的一大关键。图1-1宝成铁路石亭桥垮塌图1-2悬臂桥检车检查桥梁状况桥梁建设要能够科学、有效地对其进行周期养护，就必须建立有一套科学、合理的公路桥梁病害检测与风险评价处理方法。目前我国桥梁的探伤检测试验方法主要包括有人工观测试验法和桥梁无损检测法[5]。常规大桥表观检的巡检车辆采用高空桁架桥检车、悬臂桥检车，以人力目检为主。准确、及时地快速发现桥梁裂缝现象是公路桥梁日常检修维护的一项重要技术工作。寻找这些表面裂缝的一种传统检测方法(Fujitaetal.，2006)主要是人工式的观察。用专门的小型桥梁裂缝检查检验车或桥梁脚手架来检查这些桥梁裂缝，并手工检查记录这些裂缝中的信息。传统生产方法的主要技术缺点如下是(1)操作效率低，耗时长，且额外消费高。根据中国国家桥梁技术缺陷评价质量标准，桥梁各部分构件质量应根据桥体裂缝等桥梁视觉技术缺陷情况进行实质定量分析描述。因此，桥梁安全检测的内外部检测工作都应该是非常繁重的。(2)低精度。目前，裂缝点的宽度测量只能用个别断裂点宽度来对一定量进行描述。然而,其他技术参数，如断层裂纹的分布数量，长度和断裂位置，只能简单估计。检验工作结果的真实准确性在很大一定程度上主要取
哈尔滨工业大学工学硕士学位论文-3-铁桥梁，往往智能夜间非营运时间检测；高空作业或桥下作业，安全风险较大；受检测人员专业素养、经验水平等因素影响，主观因素影响较大。鉴于此，本课题拟开发桥梁表观检测的自动化算法，将具有高效、客观、安全等突出优势。图1-3爬壁机器人图1-4基于无人机的非接触检测方法能够及时准确的获取裂纹宽度与长度信息，并关注随时间的裂纹生长情况，就能够更有针对性地对高风险位置进行修补加固。1.2国内外研究现状1.2.1基于图像处理技术的方法这个学术研究课题已经持续进行了很多年,国内外相关学者已经提出了很多关于接触非接触式结构桥梁主体结构技术安全性能的评估研究方法，如超声波法，红外法等，但普遍存在技术成本高昂，效率低下，可靠性差的技术问题。裂缝裂纹是建筑混凝土结构桥梁最常见、最重要的施工病害之一，随着现代计算机学和视觉识别技术的飞速发展，图像识别法凝土桥梁梁缝裂纹成像检测技术成为了新的学术研究领域热点。桥梁严重损伤的发生位置很多在交通路线下方以及其桥墩上，且损伤位置相对隐蔽，因此会容易受到其他桥墩的阻碍。除了梁和墩，桥梁主体结构的主要组成部分还有两个主拱和两座桥塔。因此,获取完整的我国桥梁立体图像更加困难，为此我国相关技术研究工作人员先后提出了多种不同的方法获取完整桥梁损伤视像的技术[6]。(1)阈值分割识别法。该取值算法主要基于感光裂纹的颜色灰度，裂纹范围与其他光背景的差异取值。背景的裂纹灰度平均值将远远大于没有裂纹的背景灰度平均值。找到合适的图像灰度值和阈下数值，就等于可以将整个图像进行
【参考文献】：
期刊论文
[1]基于机器视觉的桥梁检测技术现状及发展[J]. 林国章. 中国新技术新产品. 2018(11)
[2]桥梁施工质量控制及常见问题解决措施[J]. 邹辉,李华同. 交通世界. 2017(36)
[3]中国桥梁技术的现状与展望[J]. 张喜刚,刘高,马军海,吴宏波,付佰勇,高原. 中国公路. 2017(05)
[4]高铁混凝土桥梁内部缺陷无损检测技术[J]. 王虎,魏祥龙. 工程建设. 2017(02)
[5]桥梁检测与维护加固的重要性分析[J]. 马荣基,邱朗. 中国高新技术企业. 2016(02)
[6]基于数字图像处理的表面裂纹检测算法[J]. 邹轶群,侯贵仓,杨峰. 微计算机信息. 2004(04)
硕士论文
[1]基于深度学习的混凝土路面裂缝检测[D]. 王丽苹.河北工程大学 2018
本文编号：2923759
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2923759.html
