基于图像处理的桥梁支座病害自动识别关键技术研究

发布时间：2021-06-22 04:50

　　随着经济的发展,我国的公路桥梁数量逐年增多,随之而来的是巨大的桥梁养护工作,而桥梁支座是桥梁的重要构件,一旦出现病害,会影响桥梁结构的受力状态甚至交通安全,所以桥梁支座的检测是桥梁养护工作中不可缺少的环节,而现行桥梁支座的检测主要是通过人工检测,这种方法耗时、费力而且会影响交通,一些建在深山、海上的桥梁很难通过人工检测的方法实现,且很难保证桥梁检测人员的安全。随着互联网,大数据和人工智能的迅速发展,许多危险和重复性的工作正在逐渐的被机器取代,基于深度学习的图像识别技术也在许多领域得到了应用,这为桥梁支座的检测带来了新的机遇。本文基于深度学习及图像处理技术开展了桥梁支座病害自动识别的研究,完成的研究工作如下:（1）对桥梁支座检测的现状进行了综述,总结归纳了桥梁板式橡胶支座的主要功能、支座病害的分类、支座病害产生的原因以及支座病害评定方法等;（2）针对桥梁橡胶支座图像的特点,在保证桥梁支座图像的病害特征不发生变化的前提下,用图像处理的手段实现训练数据库的扩增,图像处理的方法主要包括图像的水平翻转、垂直翻转、逆时针旋转、顺时针旋转和用主成分分析算法调整图像的颜色通道等,并借助Python程序... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：97 页

【学位级别】：硕士

【部分图文】：

单层感知机

公路桥梁的养护工作主要还是通过人工完成且需要借助大型的辅助设备，常见的辅助设备包括吊篮平台、桁架式检测平台及高空作业平台。图1-2 桥检车辅助的人工检测(a) (b)(c)

从粗糙的桥梁表面检测出裂缝比较困难，但是JeongHoLee 等人提出的机器视觉系统可以实时的检测裂缝，图1-3 为该系统的示意图，Jeong Ho Lee 等人用100 张含有噪声的图像对该机器视觉系统进行测试，结果表明在准确性上，该系统优于传统的方法。图1-3 桥梁检测系统示意图2012 年，日本东京大学的 Takafumi Nishikawa 和 Yozo Fujino 与日本山梨大学的 JunjiYoshida & Toshiyuki Sugiyama 等人研究了运用一系列连续的图像滤波算子检测混凝土裂缝的方法[16]，包括运用通用编程的方法构建图像滤波算子和对裂缝区域重复的使用滤波算子后消除残余的噪声，文中对裂缝宽度的预测取得了较好的效果。2015 年，美国普渡大学的 Chul Min Yeum 和 Shirley J. Dyke 开展了基于视觉的桥梁裂缝自动检测的研究[17]，文中提供的检测手段对图像采集的角度和相机的位置均没有要求而且不需要前期的校准

【参考文献】：
期刊论文
[1]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)
[2]基于人工智能与智能手机的混凝土裂纹检测[J]. 赵雪峰,李生元,欧进萍.  物联网技术. 2017(08)
[3]基于卷积神经网络的遥感图像舰船目标检测[J]. 黄洁,姜志国,张浩鹏,姚远.  北京航空航天大学学报. 2017(09)
[4]Python在科学计算中的应用[J]. 姚建盛,李淑梅.  数字技术与应用. 2016(11)
[5]基于卷积神经网络的植物叶片分类[J]. 龚丁禧,曹长荣.  计算机与现代化. 2014(04)
[6]一种基于新插值方法的图像旋转算法[J]. 康牧,凌凤彩.  计算机科学. 2013(05)
[7]主成分分析法及其应用[J]. 苏键,陈军,何洁.  轻工科技. 2012(09)
[8]基于OpenCV库的C语言编程学习方法[J]. 汪沛.  电气电子教学学报. 2012(04)
[9]基于OpenCV的图像处理[J]. 秦小文,温志芳,乔维维.  电子测试. 2011(07)
[10]图像旋转算法的分析与对比[J]. 王滨海,许正飞,陈西广,张海龙,邵瑞雪.  光学与光电技术. 2011(02)

硕士论文
[1]基于图像处理的铁路混凝土桥梁裂缝探测和信息获取[D]. 张登峰.北京交通大学 2014
[2]基于数字图像处理技术的路面裂缝检测算法研究[D]. 胡世昆.南京邮电大学 2012



本文编号：3242156