基于桥梁裂缝病害自动识别技术的算法研究与工程实现
发布时间：2021-01-29 16:21
桥梁安全是公共交通安全中最重要的部分之一。桥梁定期检测是对桥梁安全最有效的评价方法,其检测的标准性和准确性直接关系到民生安全。目前公路桥梁定期检测主要以人工检测为主,桥梁检测人员在检测桥梁的时候,需要先判断桥梁病害的类型,再对各种病害做出定位、定因和定性判断,并在此基础上对桥梁病害做出结论。由于检测现场环境复杂,加之检测人员需要做出各种判断,所以对于检测人员来说,对其业务水平要求很高,同时其工作量也相当繁杂。为了解决该现状,论文首先对桥梁裂缝病害特征数据进行分析、抓取并形成病害特征和成因规则库,接着从检测现场拍摄的病害图片着手,提出一种基于桥梁裂缝病害图片自动识别卷积模型（BCDP-AR）,对桥梁的裂缝病害图片进行深度学习,并根据病害特征和成因规则库进行比对,达到病害自动识别和成因预判的效果,以便检测人员在检测现场快速准确的做出判断并得出合理的结论建议。该课题的研究主要解决了桥梁裂缝病害自动识别和标识的关键问题,为桥梁定期检测提供了极大的便利,有很好的实用价值和推广前景,并且在具体工程应用中取得了极大的肯定。本文具体研究内容如下:（1）论文在卷积神经网络（Convolutional N...
【文章来源】： 马东群 西华师范大学
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究工作的背景
1.2 国内外现状
1.3 本文研究的意义
1.4 本文组织架构
第2章 桥梁裂缝病害识别技术与计算方法
2.1 桥梁裂缝病害分类
2.2 裂缝相关定义
2.3 裂缝识别相关技术
2.3.1 Tensor Flow
2.3.2 神经网络
2.4 本章小结
第3章 数据集准备及模型建立
3.1 引言
3.2 裂缝病害数据集来源
3.2.1 图像预处理及数据集建立
3.2.2 数据集准备
3.3 BCDP-AR卷积模型建立
3.3.1 基于CNN的网络模型计算原理
3.3.2 BCDP-AR卷积模型网络设计
3.4 本章小结
第4章 实验仿真和性能分析
4.1 引言
4.2 模型训练
4.3 性能分析
4.4 性能比对
4.5 本章小结
第5章 工程使用概述
5.1 系统概述
5.2 工程呈现效果
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
在学期间的科研情况
【参考文献】：
期刊论文
[1]基于深度学习的桥梁裂缝检测算法研究[J]. 李良福,马卫飞,李丽,陆铖. 自动化学报. 2019(09)
[2]基于卷积神经网络的田间多簇猕猴桃图像识别方法[J]. 傅隆生,冯亚利,Elkamil Tola,刘智豪,李瑞,崔永杰. 农业工程学报. 2018(02)
[3]基于卷积神经网络的路表病害识别与测量[J]. 沙爱民,童峥,高杰. 中国公路学报. 2018(01)
[4]基于机器视觉的桥梁检测技术现状及发展[J]. 庞娜,赵启林,芮挺,朱斌. 现代交通技术. 2015(06)
[5]光照不均匀图像的灰度波动局部阈值分割[J]. 朱磊,白瑞林,吉峰. 计算机工程与应用. 2015(12)
[6]基于细胞神经网络的桥梁裂痕诊断研究[J]. 张福新,李国东. 大众科技. 2014(01)
[7]基于BP神经网络的彩色图像边缘检测方法研究[J]. 柳赟,郑蕊蕊,吴艳军,徐宝翠,吴宝春. 电子测试. 2013(19)
[8]基于图像局部网格特征的隧道衬砌裂缝自动识别[J]. 王平让,黄宏伟,薛亚东. 岩石力学与工程学报. 2012(05)
[9]基于MATLAB数字图像边缘检测算子的研究[J]. 黄锋华,刘琪芳,冀金凤. 机械工程与自动化. 2011(04)
[10]基于神经网络的图像弱边缘检测方法研究[J]. 杨景兵,丁辉,张树东. 电视技术. 2011(15)
博士论文
[1]图像边缘检测技术及其应用研究[D]. 曾俊.华中科技大学 2011
[2]基于图像分析的道路病害自动检测研究[D]. 高建贞.南京理工大学 2003
硕士论文
[1]基于深度学习的动态人脸识别方法研究[D]. 刘峰.广东工业大学 2019
[2]基于无人机视频的桥梁裂缝识别方法研究[D]. 王鹏.华南理工大学 2018
[3]基于深度学习的桥梁裂缝检测算法研究[D]. 寇潇.西安电子科技大学 2017
[4]路面裂缝自动检测系统研究[D]. 郝晓静.长安大学 2013
[5]基于图像处理技术的桥梁裂缝检测[D]. 王玮华.长安大学 2013
[6]基于图像处理技术的桥梁裂缝测量系统研究[D]. 黄卫岭.北京交通大学 2013
[7]基于图像分析的路面裂纹自动检测算法研究[D]. 邓若曦.武汉理工大学 2012
[8]基于图像处理的混凝土桥梁底面裂缝检测方法的研究[D]. 张国旗.北京交通大学 2010
[9]基于多尺度图像分析的路面病害检测方法研究与分析[D]. 陈利利.南京理工大学 2009
[10]路面病害自动检测系统的改进和相关算法的研究[D]. 王晨.南京理工大学 2006
本文编号：3007188
【文章来源】： 马东群 西华师范大学
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究工作的背景
1.2 国内外现状
1.3 本文研究的意义
1.4 本文组织架构
第2章 桥梁裂缝病害识别技术与计算方法
2.1 桥梁裂缝病害分类
2.2 裂缝相关定义
2.3 裂缝识别相关技术
2.3.1 Tensor Flow
2.3.2 神经网络
2.4 本章小结
第3章 数据集准备及模型建立
3.1 引言
3.2 裂缝病害数据集来源
3.2.1 图像预处理及数据集建立
3.2.2 数据集准备
3.3 BCDP-AR卷积模型建立
3.3.1 基于CNN的网络模型计算原理
3.3.2 BCDP-AR卷积模型网络设计
3.4 本章小结
第4章 实验仿真和性能分析
4.1 引言
4.2 模型训练
4.3 性能分析
4.4 性能比对
4.5 本章小结
第5章 工程使用概述
5.1 系统概述
5.2 工程呈现效果
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
在学期间的科研情况
【参考文献】：
期刊论文
[1]基于深度学习的桥梁裂缝检测算法研究[J]. 李良福,马卫飞,李丽,陆铖. 自动化学报. 2019(09)
[2]基于卷积神经网络的田间多簇猕猴桃图像识别方法[J]. 傅隆生,冯亚利,Elkamil Tola,刘智豪,李瑞,崔永杰. 农业工程学报. 2018(02)
[3]基于卷积神经网络的路表病害识别与测量[J]. 沙爱民,童峥,高杰. 中国公路学报. 2018(01)
[4]基于机器视觉的桥梁检测技术现状及发展[J]. 庞娜,赵启林,芮挺,朱斌. 现代交通技术. 2015(06)
[5]光照不均匀图像的灰度波动局部阈值分割[J]. 朱磊,白瑞林,吉峰. 计算机工程与应用. 2015(12)
[6]基于细胞神经网络的桥梁裂痕诊断研究[J]. 张福新,李国东. 大众科技. 2014(01)
[7]基于BP神经网络的彩色图像边缘检测方法研究[J]. 柳赟,郑蕊蕊,吴艳军,徐宝翠,吴宝春. 电子测试. 2013(19)
[8]基于图像局部网格特征的隧道衬砌裂缝自动识别[J]. 王平让,黄宏伟,薛亚东. 岩石力学与工程学报. 2012(05)
[9]基于MATLAB数字图像边缘检测算子的研究[J]. 黄锋华,刘琪芳,冀金凤. 机械工程与自动化. 2011(04)
[10]基于神经网络的图像弱边缘检测方法研究[J]. 杨景兵,丁辉,张树东. 电视技术. 2011(15)
博士论文
[1]图像边缘检测技术及其应用研究[D]. 曾俊.华中科技大学 2011
[2]基于图像分析的道路病害自动检测研究[D]. 高建贞.南京理工大学 2003
硕士论文
[1]基于深度学习的动态人脸识别方法研究[D]. 刘峰.广东工业大学 2019
[2]基于无人机视频的桥梁裂缝识别方法研究[D]. 王鹏.华南理工大学 2018
[3]基于深度学习的桥梁裂缝检测算法研究[D]. 寇潇.西安电子科技大学 2017
[4]路面裂缝自动检测系统研究[D]. 郝晓静.长安大学 2013
[5]基于图像处理技术的桥梁裂缝检测[D]. 王玮华.长安大学 2013
[6]基于图像处理技术的桥梁裂缝测量系统研究[D]. 黄卫岭.北京交通大学 2013
[7]基于图像分析的路面裂纹自动检测算法研究[D]. 邓若曦.武汉理工大学 2012
[8]基于图像处理的混凝土桥梁底面裂缝检测方法的研究[D]. 张国旗.北京交通大学 2010
[9]基于多尺度图像分析的路面病害检测方法研究与分析[D]. 陈利利.南京理工大学 2009
[10]路面病害自动检测系统的改进和相关算法的研究[D]. 王晨.南京理工大学 2006
本文编号：3007188
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3007188.html
