基于图像处理与深度学习的RC桥梁表观病害识别
发布时间：2022-12-18 20:59
在施工初始缺陷、长期交变荷载和突发事件过载的共同作用下,桥梁结构易出现各种病害,例如表面裂缝,混凝土块剥落,钢筋外露等。这些病害可能导致混凝土分层与开裂、结构构件承载能力降低,甚至可能引发重大安全事故。然而,桥梁结构数量多、体量大,常规的人工检查已较难满足众多桥梁日常检查的需求;同时,桥梁结构的外表面需借助昂贵的辅助设备才能接近检查,致使检查耗时多、费用高且存在一定的人身安全风险。因此,通过无人机拍摄桥梁表观的数字图像,并从图像中自动识别、分类病害成为解决桥梁病害检查的发展方向。本文基于图像处理技术改进病害图像目标多样性不足、轮廓细节不清晰的缺点,结合深度学习目标识别算法,建立基于图像处理和深度学习的钢筋混凝土桥梁表观病害识别方法,为通过无人机拍摄数字图像实现钢筋混凝土桥梁表观病害的自动检测、分类提供技术支撑。本文的主要研究内容及结论如下:（1）采用迁移学习改进YOLOv3目标识别算法。详细研究YOLOv3算法的网络结构以及在目标检测、分类上的原理。针对结构病害图片数量较难满足YOLOv3算法要求的问题,结合迁移学习策略,采用ImageNet图像集对YOLOv3算法进行预训练,以捕获图...
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 基于图像处理技术阶段
1.2.2 基于手工特征提取与分类器组合阶段
1.2.3 基于特征自动提取的深度学习阶段
1.3 本文主要工作内容
2 钢筋混凝土桥梁表观病害分类及数据标记
2.1 引言
2.2 桥梁表面缺陷的形成原因及其分类
2.3 钢筋混凝土桥梁表观病害数据库
2.3.1 病害目标的标记特征分析
2.3.2 病害图像数据标记
2.4 本章小结
3 基于YOLOV3深度学习增强的目标识别算法
3.1 引言
3.2 卷积神经网络
3.2.1 卷积层
3.2.2 池化层
3.2.3 全连接层及分类器
3.3 YOLO系列目标检测算法
3.3.1 YOLO算法
3.3.2 YOLOv2算法
3.3.3 YOLOv3算法
3.3.4 目标检测评价指标
3.4 基于迁移学习增强的YOLOv3目标识别算法
3.4.1 迁移学习的理论
3.4.2 基于模型的迁移学习
3.4.3 基于模型的迁移学习的YOLOv3训练框架
3.4.4 VOC数据集
3.4.5 计算环境与网络参数
3.4.6 实验结果
3.5 基于迁移学习增强的YOLOv3病害识别
3.5.1 病害目标识别评价指标
3.5.2 病害识别算例研究
3.6 本章小结
4 基于数字图像预处理改进的病害识别
4.1 引言
4.2 图像增强
4.2.1 图像增强算法概述
4.2.2 拉普拉斯图像锐化
4.2.3 算例研究
4.3 基于拉普拉斯图像锐化增强的病害识别
4.4 数据增强
4.4.1 数据增强概述
4.4.2 仿射变换数据增强
4.5 基于仿射变换数据增强的病害识别
4.6 本章小结
5 基于图像处理与增强的YOLOV3的病害识别
5.1 引言
5.2 钢筋混凝土桥梁表观病害识别方法的建立
5.2.1 病害目标检测步骤
5.2.2 基于RCDD-YOLO的病害识别
5.3 不同检测框架对比
5.4 影响因素及参数分析
5.4.1 图像影响因素分析
5.4.2 网络参数分析
5.5 本章小结
6 结论与展望
6.1 本文的主要工作和结论
6.2 研究展望
参考文献
附录
A 作者在攻读硕士学位期间发表的论文
B 学位论文数据集
致谢
【参考文献】：
期刊论文
[1]基于图像特征值的混凝土桥梁表面病害图像分类[J]. 陈飞飞,张宇峰,韩晓健. 结构工程师. 2018(01)
[2]干线公路病险桥梁统计与典型病害研究[J]. 渠广镇,周广利,钟军. 山东交通科技. 2015(06)
[3]近15年国内桥梁坍塌事故的原因和风险分析[J]. 易仁彦,周瑞峰,黄茜. 交通科技. 2015(05)
[4]迁移学习支持下的遥感影像对象级分类样本自动选择方法[J]. 吴田军,骆剑承,夏列钢,杨海平,沈占锋,胡晓东. 测绘学报. 2014(09)
[5]某超高层建筑火灾后混凝土结构检测鉴定与修复加固[J]. 翟传明,韩庆华,郭雨非,卢燕,郑佳明. 建筑结构. 2013(19)
[6]一种SLIP模型的图像增强新算法[J]. 张广燕,王俊平,汪松,曹洪花,许丹,李锦,李长江. 西安电子科技大学学报. 2014(01)
[7]混凝土桥梁下部结构病害分析与加固[J]. 何晓阳,项贻强,邢骋. 重庆交通大学学报(自然科学版). 2013(S1)
[8]钢筋混凝土结构的病害[J]. 杨晓明,韩志强. 硅酸盐通报. 2013(05)
[9]民国建筑钢筋混凝土结构检测鉴定及加固技术[J]. 淳庆,周琦. 建筑技术. 2013(02)
[10]既有混凝土桥梁疲劳寿命与使用安全评估[J]. 王春生,周江,吴全有,王玉娇,董小红. 中国公路学报. 2012(06)
博士论文
[1]基于无人机高分影像的空心村建筑物信息获取关键技术研究[D]. 李政.西南交通大学 2018
硕士论文
[1]基于卷积神经网络的迁移学习算法研究及其在细粒度图像识别中的应用[D]. 聂建政.西安电子科技大学 2018
[2]基于迁移学习的电商图片物体识别[D]. 刘达荣.广州大学 2018
[3]基于深度学习的目标检测算法研究[D]. 张志豪.电子科技大学 2018
[4]基于深度学习与散射变换的信号分类研究[D]. 许周乐.重庆大学 2018
[5]基于深度卷积神经网络和无监督K均值特征的SAR图像目标识别方法研究[D]. 刘凯品.五邑大学 2017
[6]面向图像去雾处理全局化增强方法的研究与应用[D]. 孙晓晓.山东师范大学 2017
[7]混凝土裂缝特征信息识别与辨析研究[D]. 陈绍磊.中南大学 2013
[8]基于红外摄像的连铸坯表面质量在线监测方法的研究[D]. 陈灵光.浙江大学 2013
[9]基于光流场的视频车辆检测与跟踪算法研究与应用[D]. 刘涛.武汉科技大学 2011
[10]图像锐化的研究[D]. 刘三国.曲阜师范大学 2011
本文编号：3722755
【文章页数】：87 页
【学位级别】：硕士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 基于图像处理技术阶段
1.2.2 基于手工特征提取与分类器组合阶段
1.2.3 基于特征自动提取的深度学习阶段
1.3 本文主要工作内容
2 钢筋混凝土桥梁表观病害分类及数据标记
2.1 引言
2.2 桥梁表面缺陷的形成原因及其分类
2.3 钢筋混凝土桥梁表观病害数据库
2.3.1 病害目标的标记特征分析
2.3.2 病害图像数据标记
2.4 本章小结
3 基于YOLOV3深度学习增强的目标识别算法
3.1 引言
3.2 卷积神经网络
3.2.1 卷积层
3.2.2 池化层
3.2.3 全连接层及分类器
3.3 YOLO系列目标检测算法
3.3.1 YOLO算法
3.3.2 YOLOv2算法
3.3.3 YOLOv3算法
3.3.4 目标检测评价指标
3.4 基于迁移学习增强的YOLOv3目标识别算法
3.4.1 迁移学习的理论
3.4.2 基于模型的迁移学习
3.4.3 基于模型的迁移学习的YOLOv3训练框架
3.4.4 VOC数据集
3.4.5 计算环境与网络参数
3.4.6 实验结果
3.5 基于迁移学习增强的YOLOv3病害识别
3.5.1 病害目标识别评价指标
3.5.2 病害识别算例研究
3.6 本章小结
4 基于数字图像预处理改进的病害识别
4.1 引言
4.2 图像增强
4.2.1 图像增强算法概述
4.2.2 拉普拉斯图像锐化
4.2.3 算例研究
4.3 基于拉普拉斯图像锐化增强的病害识别
4.4 数据增强
4.4.1 数据增强概述
4.4.2 仿射变换数据增强
4.5 基于仿射变换数据增强的病害识别
4.6 本章小结
5 基于图像处理与增强的YOLOV3的病害识别
5.1 引言
5.2 钢筋混凝土桥梁表观病害识别方法的建立
5.2.1 病害目标检测步骤
5.2.2 基于RCDD-YOLO的病害识别
5.3 不同检测框架对比
5.4 影响因素及参数分析
5.4.1 图像影响因素分析
5.4.2 网络参数分析
5.5 本章小结
6 结论与展望
6.1 本文的主要工作和结论
6.2 研究展望
参考文献
附录
A 作者在攻读硕士学位期间发表的论文
B 学位论文数据集
致谢
【参考文献】：
期刊论文
[1]基于图像特征值的混凝土桥梁表面病害图像分类[J]. 陈飞飞,张宇峰,韩晓健. 结构工程师. 2018(01)
[2]干线公路病险桥梁统计与典型病害研究[J]. 渠广镇,周广利,钟军. 山东交通科技. 2015(06)
[3]近15年国内桥梁坍塌事故的原因和风险分析[J]. 易仁彦,周瑞峰,黄茜. 交通科技. 2015(05)
[4]迁移学习支持下的遥感影像对象级分类样本自动选择方法[J]. 吴田军,骆剑承,夏列钢,杨海平,沈占锋,胡晓东. 测绘学报. 2014(09)
[5]某超高层建筑火灾后混凝土结构检测鉴定与修复加固[J]. 翟传明,韩庆华,郭雨非,卢燕,郑佳明. 建筑结构. 2013(19)
[6]一种SLIP模型的图像增强新算法[J]. 张广燕,王俊平,汪松,曹洪花,许丹,李锦,李长江. 西安电子科技大学学报. 2014(01)
[7]混凝土桥梁下部结构病害分析与加固[J]. 何晓阳,项贻强,邢骋. 重庆交通大学学报(自然科学版). 2013(S1)
[8]钢筋混凝土结构的病害[J]. 杨晓明,韩志强. 硅酸盐通报. 2013(05)
[9]民国建筑钢筋混凝土结构检测鉴定及加固技术[J]. 淳庆,周琦. 建筑技术. 2013(02)
[10]既有混凝土桥梁疲劳寿命与使用安全评估[J]. 王春生,周江,吴全有,王玉娇,董小红. 中国公路学报. 2012(06)
博士论文
[1]基于无人机高分影像的空心村建筑物信息获取关键技术研究[D]. 李政.西南交通大学 2018
硕士论文
[1]基于卷积神经网络的迁移学习算法研究及其在细粒度图像识别中的应用[D]. 聂建政.西安电子科技大学 2018
[2]基于迁移学习的电商图片物体识别[D]. 刘达荣.广州大学 2018
[3]基于深度学习的目标检测算法研究[D]. 张志豪.电子科技大学 2018
[4]基于深度学习与散射变换的信号分类研究[D]. 许周乐.重庆大学 2018
[5]基于深度卷积神经网络和无监督K均值特征的SAR图像目标识别方法研究[D]. 刘凯品.五邑大学 2017
[6]面向图像去雾处理全局化增强方法的研究与应用[D]. 孙晓晓.山东师范大学 2017
[7]混凝土裂缝特征信息识别与辨析研究[D]. 陈绍磊.中南大学 2013
[8]基于红外摄像的连铸坯表面质量在线监测方法的研究[D]. 陈灵光.浙江大学 2013
[9]基于光流场的视频车辆检测与跟踪算法研究与应用[D]. 刘涛.武汉科技大学 2011
[10]图像锐化的研究[D]. 刘三国.曲阜师范大学 2011
本文编号：3722755
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3722755.html
