复杂环境下全卷积神经网络在桥梁裂缝检测中的应用研究

发布时间：2023-05-11 04:26

　　混凝土桥梁耐久性差、服务寿命短及全寿命经济性指标低等问题已成为普遍难题,因此,对在役桥梁结构性能评估的研究十分紧迫并具有现实意义。混凝土桥梁结构的初期损伤与破坏,首先都是在梁体结构中出现可见裂缝,而裂缝的出现及不断扩展将直接影响桥梁的整体性能。因此,对混凝土桥梁进行健康评估首先从裂缝的检测入手。本文以混凝土桥梁裂缝为研究对象,提出基于全卷积神经网络的混凝土表面裂缝识别方法,自动提取和计算混凝土裂缝的长度及宽度物理值,为在役桥梁结构安全和稳定性评估提供精确可靠的数据支持。(1)本文首先从混凝土桥梁结构裂缝的危害、成因和分类方法入手,对裂缝的物理特性进行分类研究,利用机器学习和深度学习中的经典算法对混凝土表面裂缝进行识别和分割。同时,设计复杂环境下混凝土桥梁底部裂缝图像采集系统,对采集的裂缝图像进行人工准确标记,为深度学习网络模型的训练准备数据集。(2)采用随机结构森林和卷积神经网络(CNN)经典机器学习算法进行裂缝检测。为了验证裂缝预测准确性,将裂缝识别结果与人工标记裂缝进行比较,并从识别精度和识别速度上分析比较传统算法的优缺点。在裂缝图像上寻找最优的检测算法。(3)以随机结构森林和卷积...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 混凝土桥梁裂缝检测的发展及现状
        1.2.2 深度学习的发展及现状
        1.2.3 深度学习算法在桥梁裂缝自动识别中的最新进展
    1.3 论文的研究内容及结构安排
第二章 混凝土桥梁底部裂缝图像获取与标记
    2.1 混凝土桥梁底部裂缝分析
    2.2 混凝土表面裂缝图像采集系统设计
    2.3 混凝土桥梁底部裂缝图像分析
    2.4 混凝土桥梁底部裂缝数据标记
        2.4.1 标记随机结构森林的裂缝样本
        2.4.2 标记卷积网络的裂缝样本
        2.4.3 标记全卷积网络的裂缝样本
    2.5 混凝土桥梁底部裂缝数据集的准备
        2.5.1 随机结构森林数据集准备
        2.5.2 卷积神经网络的数据集准备
        2.5.3 全卷积神经网络的数据集准备
    2.6 本章小结
第三章 基于机器学习算法的混凝土裂缝自动识别
    3.1 基于随机结构森林裂缝的自动识别算法
        3.1.1 基于随机结构森林的裂缝自动识别算法
        3.1.2 随机森林结构化输出
        3.1.3 混凝土裂缝类型描述与识别
        3.1.4 结果分析
    3.2 基于卷积神经网络的混凝土裂缝自动识别算法
        3.2.1 卷积神经网络的各层结构设计
        3.2.2 混凝土裂缝图像的卷积神经网络训练
        3.2.3 混凝土裂缝的精准提取
        3.2.4 实验结果的评价与分析
    3.3 本章小结
第四章 全卷积神经网络裂缝识别算法
    4.1 全卷积神经模型的构建
        4.1.1 VGG19 网络模型
    4.2 全卷积神经网络的结构
        4.2.1 全卷积神经网络的反卷积层设计
        4.2.2 全卷积网络的跳跃结构的设计
        4.2.3 全卷积网络的SoftMax层设计
    4.3 全卷积神经网络的训练
        4.3.1 损失函数的设计
        4.3.2 学习率的选取
        4.3.3 全卷积神经网络模型初始化
    4.4 全卷积神经网络的训练与优化
        4.4.1 全卷积神经网络模型训练
        4.4.2 裂缝识别的实验结果对比
    4.5 裂缝测试集输出结果的骨架提取
        4.5.1 标签操作
        4.5.2 裂缝骨架提取
    4.6 混凝土裂缝的精准提取
        4.6.1 混凝土裂缝识别
        4.6.2 混凝土裂缝物理值计算
    4.7 本章小结
第五章 总结与展望
    5.1 研究工作总结
    5.2 未来工作展望
攻读学位期间取得的研究成果
参考文献
致谢



本文编号：3814157