基于卷积神经网络的跨座式单轨轨道梁异常检测方法研究
发布时间：2021-09-07 03:34
跨座式单轨以其轻便灵活的优点越来越多的被应用到城市交通上来,其中轨道梁在列车运行中具有承重和导向作用,因而梁面异常对于列车的安全运行具有严重威胁,目前使用的人工巡检方法效率低下且准确率不高,实现对梁面异常自动检测是跨座式单轨交通发展中亟待解决的问题。针对该问题,本课题在实地采集的跨座式单轨梁面图像数据上使用卷积神经网络对单轨梁面异常的自动检测方法进行了研究。梁面异常可分为梁面混凝土区域的裂纹和指型板区域的紧固件异常,由于两种异常差异较大,为了达到更高的检测效率与精度,本课题分别对两种异常的检测方法进行了研究。通过对现有裂纹检测方法进行分析,结合跨座式单轨梁面混凝土区域的裂纹危害以及实际采集到的原始图像情况,采用了基于卷积网络的块分类方法进行裂纹检测。由于图像的块划分使得难以直接在原图上进行裂纹检测,因此本文选择以分类做检测,即对图像块做裂纹与非裂纹的二分类,然后组合分类结果为裂纹的块得到裂纹检测的最终结果。考虑到效率问题本文选择使用轻量级网络MobileNet在自制的单轨梁面图像数据集上进行微调训练,通过增添大量类似场景中的裂纹数据解决了单轨梁面裂纹数据样本不足的问题,得到在测试集上具...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
跨座式单轨轨道Fig.1.1Straddlemonorail（a）跨座式单轨轨道梁（b）跨座式单轨轨道梁指型板
浠?缌业牟糠郑?盐圃谕枷裰邢袼刂低??捅?景有明显差异，故在理想情况下边缘检测[1]可以完全把裂纹从背景中分割出来，常用的边缘检测算法有很多，如Sobel[2]、Canny[3]、Prewitt[4]等，其原理都是通过设定固定的卷积模板来计算图像水平和竖直方向的梯度，从而达到检测边缘的效果。然而实际场景中受光线以及环境的影响，道路中往往存在许多噪声，虽然存在许多图像滤波技术能够在一定程度上降低噪声对检测结果的干扰，但即使经过一定的图像预处理操作，使用边缘检测的方法来进行裂纹检测也难以达到较高的准确率。图1.2基于直方图分析法的裂纹分割原理及效果图Fig.1.2Theschematicofcracksegmentationbasedonhistogramanalysis直方图分析法[5-8]是根据图像的灰度直方图设定合适阈值进行二值化来达到分割图像的效果,如图1.2所示。常见的基于直方图分析法的裂纹检测包括双峰平均值的阈值分割和谷底最小值的阈值分割。这种基于直方图分析的方法首先需要对裂纹图像进行灰度值统计得到裂纹图像的灰度直方图，然后判断直方图是否为双峰，如果不是则需要对图像进行平滑处理使得其直方图变为双峰，最后选择合适阈（a）原图（b）灰度直方图（c）分割结果
重庆大学硕士学位论文1绪论4值进行分割，达到分割背景与前景的效果。然而梁面裂纹部分像素点往往占比较小，其直方图难以形成裂纹与背景间的双峰波形，故使用直方图分析法进行单轨梁面裂纹分割的效果通常较差，难以达到实用要求。图1.3二维裂纹图像的三位空间映射Fig.1.3Three-dimensionalmappingoftwo-dimensionalcrackimage基于曲率分析的裂纹检测方法[8-10]是从几何角度出发，将二维的平面图像映射到三维曲面空间中，如图1.3所示。通过三维曲面中裂纹的曲率特征，由高斯曲率的极值点和负平均曲率来提取裂纹。该方法在单轨梁面的裂纹检测实验中有较好的检测效果，但由于梁面噪声的干扰，检测结果中存在大量伪裂纹，致使裂纹检测精度不高。支持向量机(SVM)是建立在统计学习理论基础上的有监督式机器学习方法。该算法以结构风险最小化为原则，在处理分类问题时往往具有较好的泛化能力。基于SVM方式的裂纹检测方法[11]首先需要对图像进行分块处理，即根据原始图像的大小，把单幅图像通过网格划分为多个均匀的子块，使用子块作为裂纹检测过程中的处理单位。然后把图像块的均值和方差等看作裂纹特征，最后使用SVM算法找到裂纹块与非裂文块的最大分类间隔。使用支持向量机的方式进行裂纹检测时其结果依赖于裂纹图像块的特征表示，但由于单轨梁面情况复杂多样，且裂纹形状各异，靠均值和方差等手工特征不足以区分裂纹块与非裂纹块，使用该方法检测难以得到较高的精度。使用SVM算法进行裂纹检测时，裂纹图像块的特征表示主要为均值与方差，然而均值与方差都为图像块的总体特征，考虑到裂纹图像块的结构化信息对于裂纹更加具有表征力，文献[12]提出使用结构化随机森林进行裂纹检测，该方法首先对图像进行网格划分，然后特征提取阶段在图像块
【参考文献】：
期刊论文
[1]自适应阈值的Sobel算子边缘检测研究[J]. 李琳琳. 电子技术. 2018(12)
[2]基于边缘检测的斜纹布匹瑕疵检测[J]. 邓超,刘岩岩. 测控技术. 2018(12)
[3]基于Canny算子的福橘图像边缘检测研究[J]. 刘现,蔡淑芳,黄语燕. 东南园艺. 2018(06)
[4]螺栓松动损伤的亚谐波共振识别方法[J]. 屈文忠,张梦阳,周俊宇,肖黎. 振动.测试与诊断. 2017(02)
[5]sobel算子与prewitt算子分析与研究[J]. 王月新,刘明君. 计算机与数字工程. 2016(10)
[6]利用固有频率异常值分析法检测螺栓拧紧力[J]. 缑百勇,陆秋海,王波,王世英. 振动与冲击. 2015(23)
[7]塔机螺栓松动检测新方法研究[J]. 陈卓,郝永刚,易水洪,贾上远. 中国特种设备安全. 2015(09)
[8]低功耗多点螺栓松动监测系统研究[J]. 吴键,傅少武,金伟. 电子设计工程. 2015(09)
[9]螺栓松紧程度的受控敲击检测方法[J]. 向志海,黄俊涛. 实验力学. 2012(05)
[10]基于直方图估计和形状分析的沥青路面裂缝识别算法[J]. 徐志刚,赵祥模,宋焕生,雷涛,韦娜. 仪器仪表学报. 2010(10)
博士论文
[1]跨座式单轨交通轨道梁表面裂纹识别方法研究[D]. 赵国腾.重庆大学 2015
[2]基于图像分析的跨座式单轨交通PC轨道梁面裂纹检测研究[D]. 郭春华.重庆大学 2011
硕士论文
[1]跨座式单轨交通轨道梁面裂纹检测及聚类分析方法研究[D]. 陈超.重庆大学 2017
[2]基于图像处理的路面裂缝检测系统设计与研究[D]. 周林.太原理工大学 2013
本文编号：3388762
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
跨座式单轨轨道Fig.1.1Straddlemonorail（a）跨座式单轨轨道梁（b）跨座式单轨轨道梁指型板
浠?缌业牟糠郑?盐圃谕枷裰邢袼刂低??捅?景有明显差异，故在理想情况下边缘检测[1]可以完全把裂纹从背景中分割出来，常用的边缘检测算法有很多，如Sobel[2]、Canny[3]、Prewitt[4]等，其原理都是通过设定固定的卷积模板来计算图像水平和竖直方向的梯度，从而达到检测边缘的效果。然而实际场景中受光线以及环境的影响，道路中往往存在许多噪声，虽然存在许多图像滤波技术能够在一定程度上降低噪声对检测结果的干扰，但即使经过一定的图像预处理操作，使用边缘检测的方法来进行裂纹检测也难以达到较高的准确率。图1.2基于直方图分析法的裂纹分割原理及效果图Fig.1.2Theschematicofcracksegmentationbasedonhistogramanalysis直方图分析法[5-8]是根据图像的灰度直方图设定合适阈值进行二值化来达到分割图像的效果,如图1.2所示。常见的基于直方图分析法的裂纹检测包括双峰平均值的阈值分割和谷底最小值的阈值分割。这种基于直方图分析的方法首先需要对裂纹图像进行灰度值统计得到裂纹图像的灰度直方图，然后判断直方图是否为双峰，如果不是则需要对图像进行平滑处理使得其直方图变为双峰，最后选择合适阈（a）原图（b）灰度直方图（c）分割结果
重庆大学硕士学位论文1绪论4值进行分割，达到分割背景与前景的效果。然而梁面裂纹部分像素点往往占比较小，其直方图难以形成裂纹与背景间的双峰波形，故使用直方图分析法进行单轨梁面裂纹分割的效果通常较差，难以达到实用要求。图1.3二维裂纹图像的三位空间映射Fig.1.3Three-dimensionalmappingoftwo-dimensionalcrackimage基于曲率分析的裂纹检测方法[8-10]是从几何角度出发，将二维的平面图像映射到三维曲面空间中，如图1.3所示。通过三维曲面中裂纹的曲率特征，由高斯曲率的极值点和负平均曲率来提取裂纹。该方法在单轨梁面的裂纹检测实验中有较好的检测效果，但由于梁面噪声的干扰，检测结果中存在大量伪裂纹，致使裂纹检测精度不高。支持向量机(SVM)是建立在统计学习理论基础上的有监督式机器学习方法。该算法以结构风险最小化为原则，在处理分类问题时往往具有较好的泛化能力。基于SVM方式的裂纹检测方法[11]首先需要对图像进行分块处理，即根据原始图像的大小，把单幅图像通过网格划分为多个均匀的子块，使用子块作为裂纹检测过程中的处理单位。然后把图像块的均值和方差等看作裂纹特征，最后使用SVM算法找到裂纹块与非裂文块的最大分类间隔。使用支持向量机的方式进行裂纹检测时其结果依赖于裂纹图像块的特征表示，但由于单轨梁面情况复杂多样，且裂纹形状各异，靠均值和方差等手工特征不足以区分裂纹块与非裂纹块，使用该方法检测难以得到较高的精度。使用SVM算法进行裂纹检测时，裂纹图像块的特征表示主要为均值与方差，然而均值与方差都为图像块的总体特征，考虑到裂纹图像块的结构化信息对于裂纹更加具有表征力，文献[12]提出使用结构化随机森林进行裂纹检测，该方法首先对图像进行网格划分，然后特征提取阶段在图像块
【参考文献】：
期刊论文
[1]自适应阈值的Sobel算子边缘检测研究[J]. 李琳琳. 电子技术. 2018(12)
[2]基于边缘检测的斜纹布匹瑕疵检测[J]. 邓超,刘岩岩. 测控技术. 2018(12)
[3]基于Canny算子的福橘图像边缘检测研究[J]. 刘现,蔡淑芳,黄语燕. 东南园艺. 2018(06)
[4]螺栓松动损伤的亚谐波共振识别方法[J]. 屈文忠,张梦阳,周俊宇,肖黎. 振动.测试与诊断. 2017(02)
[5]sobel算子与prewitt算子分析与研究[J]. 王月新,刘明君. 计算机与数字工程. 2016(10)
[6]利用固有频率异常值分析法检测螺栓拧紧力[J]. 缑百勇,陆秋海,王波,王世英. 振动与冲击. 2015(23)
[7]塔机螺栓松动检测新方法研究[J]. 陈卓,郝永刚,易水洪,贾上远. 中国特种设备安全. 2015(09)
[8]低功耗多点螺栓松动监测系统研究[J]. 吴键,傅少武,金伟. 电子设计工程. 2015(09)
[9]螺栓松紧程度的受控敲击检测方法[J]. 向志海,黄俊涛. 实验力学. 2012(05)
[10]基于直方图估计和形状分析的沥青路面裂缝识别算法[J]. 徐志刚,赵祥模,宋焕生,雷涛,韦娜. 仪器仪表学报. 2010(10)
博士论文
[1]跨座式单轨交通轨道梁表面裂纹识别方法研究[D]. 赵国腾.重庆大学 2015
[2]基于图像分析的跨座式单轨交通PC轨道梁面裂纹检测研究[D]. 郭春华.重庆大学 2011
硕士论文
[1]跨座式单轨交通轨道梁面裂纹检测及聚类分析方法研究[D]. 陈超.重庆大学 2017
[2]基于图像处理的路面裂缝检测系统设计与研究[D]. 周林.太原理工大学 2013
本文编号：3388762
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3388762.html
