复杂背景下桥梁路面裂缝检测与分割算法研究

发布时间：2021-09-13 18:13

　　交通运输是经济发展的基本需要和先决条件,现代社会的生存基础和发展标志。交通运输的快速发展获益于桥梁道路的高速建设,但是,我国在桥梁道路发展方面一直是“重建设而轻养护”的局面,这将为桥梁道路带来巨大安全隐患。众所周知,桥梁裂缝是桥梁建筑存在安全隐患的外在表现,桥梁裂缝可能给交通安全带来不可预估的影响。因此,落实桥梁道路养护工作的重点就是落实桥梁路面裂缝高效准确的检测工作。使用高效的方法检测和分割桥梁路面裂缝,通过技术创新实现桥梁道路养护与管理,是实现我国从桥梁大国向桥梁强国迈进的关键一步。目前,许多国内外学者已经对此进行了广泛而深入的研究,但是,仍然有几个比较现实的问题受到了忽略。第一个问题是目前没有公开而且适用于复杂背景研究的桥梁裂缝图像数据集,但是利用深度学习算法实现桥梁裂缝的提取与检测需要大量桥梁裂缝图像作为样本。第二个问题是现有的算法都是针对背景简单的裂缝图像展开的研究,但是实际采集的桥梁裂缝图像的背景中往往含有多种障碍物,背景中存在的障碍物会严重影响现有算法的检测结果。第三个问题是目前的桥梁裂缝检测算法为了提高精度而忽略了速度,速度没有达到实时性要求。针对这些问题,本文从以下三... 

【文章来源】：陕西师范大学陕西省 211工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图１－２大型桥梁检测车检测方法示意图??Ｆｉｇ．?１－２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｄｅｔｅｃｔｉｏｎ?ｍｅｔｈｏｄ?ｏｆ?ｌａｒｇｅ?ｂｒｉｄｇｅ?ｉｎｓｐｅｃｔｉｏｎ?ｖｅｈｉｃｌｅｓ??

图１－５实际采集的桥梁裂缝图像??Ｆｉｇ．?１－５?Ａｃｔｕａｌｌｙ?ａｃｑｕｉｒｅｄ?ｂｒｉｄｇｅ?ｃｒａｃｋ?ｉｍａｇｅ??

图２－２深度学习发展史示意图??．－

【参考文献】：
期刊论文
[1]基于内容分析法的深度学习国内研究综述[J]. 申枝,马力,官巍.  中国医学教育技术. 2019(01)
[2]基于深度学习的目标视频跟踪算法综述[J]. 陈旭,孟朝晖.  计算机系统应用. 2019(01)
[3]基于深度学习的图像识别技术综述[J]. 徐梦雪.  计算机产品与流通. 2019(01)
[4]大数据下的机器学习算法综述——以AlphaGO为例[J]. 赵诣.  信息记录材料. 2019(01)
[5]基于卷积神经网络和上下文模型的目标检测[J]. 马增妍.  中国安全防范技术与应用. 2018(06)
[6]复杂背景下基于图像处理的桥梁裂缝检测算法[J]. 李良福,孙瑞赟.  激光与光电子学进展. 2019(06)
[7]基于深度学习的马铃薯畸形检测方法研究[J]. 汪成龙,黄余凤,庄学敏,谢珩.  惠州学院学报. 2018(03)
[8]桥梁工程技术发展与展望[J]. 王武勤.  施工技术. 2018(06)
[9]基于三维激光扫描的桥梁变形检测及数据处理[J]. 邓晓隆,田石柱.  激光与光电子学进展. 2018(07)
[10]基于RGBD图像和卷积神经网络的快速道路检测[J]. 曲磊,王康如,陈利利,李嘉茂,张晓林.  光学学报. 2017(10)

硕士论文
[1]基于内容的图像检索系统的设计与实现[D]. 赵津津.河北科技大学 2019
[2]基于深度学习的桥梁裂缝检测算法研究[D]. 马卫飞.陕西师范大学 2018
[3]基于图像处理的桥梁底面裂缝检测识别方法研究[D]. 占继刚.北京交通大学 2017



本文编号：3395104