桥梁表面缺陷分析系统的设计与实现

发布时间：2020-12-22 20:58

　　桥梁在交通运输系统中已经不可或缺,而目前我国进行桥梁表面缺陷检测多数还是依靠人工检测方式,条件艰苦、效率低下,肉眼识别的视觉死角将导致检测误差较大,定期检测又会消耗大量的人力物力和财力,还影响交通效率。基于人工智能的桥梁表面缺陷分析系统旨在用机器代替人力,解决上述难题。基于人工智能的桥梁表面缺陷分析系统使用图像处理、卷积神经网络(CNN)等相关技术,可以实现对视频文件或者无人机实时视频流的管理,能够识别出对应的裂缝,并能通过训练好的裂缝分类器,去判断裂缝的等级。本文做的主要工作包括:首先采集了大量的裂缝图片,构建了裂纹图像数据集;其次,通过训练提取出各个等级需要的特征数据,并基于弱分类器级联构造出强分类器;随后,构建、训练CNN实现裂缝的分类;最后,基于对桥梁裂缝分类的专业知识,选取一部分桥梁裂缝图像进行了测试。本系统不仅实现了对桥梁裂缝的一般识别,而且还提出对桥梁裂缝划分为3个等级,对应实际生产中的三个裂缝标准。最后,建立了基于人工智能的桥梁裂缝分析模型,并使用了卷积神经网络算法来增强裂缝的特征表达能力。本文利用在昆明、杭州、苏州等地拍摄的桥梁裂缝图像作为源数据,运用AdaBoost... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 系统背景介绍
    1.2 国内外研究现状分析
        1.2.1 国内研究现状分析
        1.2.2 国外研究现状分析
    1.3 系统关键技术分析
    1.4 论文主要内容和章节安排
2 相关技术介绍
    2.1 程序语言
    2.2 应用框架
        2.2.1 前端框架VLCJ
        2.2.2 后端深度学习框架Tensorflow
    2.3 应用算法
        2.3.1 卷积层局部感知
        2.3.2 激活层共享权重
        2.3.3 池化
        2.3.4 算法的优缺点
3 系统需求分析
    3.1 设计目标
    3.2 运行环境
    3.3 功能需求分析
    3.4 性能需求分析
4 系统设计
    4.1 系统功能结构
    4.2 主要功能模块设计
        4.2.1 播放文件管理设计
        4.2.2 无人机航线管理设计
        4.2.3 裂缝识别管理设计
        4.2.4 裂缝文件管理设计
        4.2.5 检测结果管理设计
    4.3 系统算法设计
        4.3.1 程序描述
        4.3.2 功能
        4.3.3 输入输出项
        4.3.4 相关算法介绍
        4.3.5 流程逻辑
    4.4 系统ER图
    4.5 系统数据结构设计
    4.6 系统出错处理设计
5 系统实现
    5.1 播放文件管理
    5.2 无人机航线管理
    5.3 裂缝识别检测管理
        5.3.1 裂缝识别
        5.3.2 裂缝检测
    5.4 裂缝文件管理
6 系统测试
    6.1 系统测试用例
    6.2 测试结果分析
结论
参考文献
致谢


【参考文献】：
期刊论文
[1]深度学习在手写汉字识别中的应用综述[J]. 金连文,钟卓耀,杨钊,杨维信,谢泽澄,孙俊.  自动化学报. 2016(08)
[2]基于ROI-KNN卷积神经网络的面部表情识别[J]. 孙晓,潘汀,任福继.  自动化学报. 2016(06)
[3]基于并行深度卷积神经网络的图像美感分类[J]. 王伟凝,王励,赵明权,蔡成加,师婷婷,徐向民.  自动化学报. 2016(06)
[4]图像理解中的卷积神经网络[J]. 常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安.  自动化学报. 2016(09)
[5]基于卷积神经网络的SAR图像目标识别研究.[J]. 田壮壮,占荣辉,胡杰民,张军.  雷达学报. 2016(03)
[6]基于改进Fisher准则的深度卷积神经网络识别算法[J]. 孙艳丰,齐光磊,胡永利,赵璐.  北京工业大学学报. 2015(06)
[7]基于卷积神经网络的正则化方法[J]. 吕国豪,罗四维,黄雅平,蒋欣兰.  计算机研究与发展. 2014(09)
[8]基于深度学习网络的射线图像缺陷识别方法[J]. 余永维,殷国富,殷鹰,杜柳青.  仪器仪表学报. 2014(09)
[9]沥青路面裂缝图像识别技术研究进展[J]. 张宏,英红.  华东公路. 2009(04)
[10]基于图像处理的路面裂缝识别研究[J]. 孙波成,邱延峻.  重庆交通大学学报(自然科学版). 2008(01)

硕士论文
[1]基于卷积神经网络的联机手写汉字识别系统[D]. 刘欣.哈尔滨工业大学 2015
[2]改进的卷积神经网络模型及其应用研究[D]. 何鹏程.大连理工大学 2015
[3]基于卷积神经网络的人脸检测和性别识别研究[D]. 汪济民.南京理工大学 2015
[4]基于卷积神经网络的Logo检测与识别研究[D]. 张瑞.浙江大学 2015



本文编号：2932424