基于卷积神经网络的坝面表观缺陷实时检测方法与应用

发布时间：2024-03-01 23:05

　　随着信息、自动化控制以及测绘技术的发展,水工结构测量呈现越来越集成化、精细化和标准化。定期的裂纹检测对水利枢纽基础设施的维护和运行起着至关重要的作用。根据裂纹的形态和位置特征,推断裂纹的内在损伤和潜在原因,为结构风险评估提供合理指导。本课题来源于四川省科技计划资助项目,着重解决混凝土坝面表观缺陷的实时检测问题。本文针对混凝土坝面所固有的不易达、不易检的问题,以保证精准、高效、安全、可靠为出发点,对数据采集到数据处理整条流程进行了研究,具体研究内容包括:针对坝面环境的特殊性以及数据获取的困难程度,采用图像预处理的方式对采集到的数据进行指定的增强处理,以此来丰富和优化数据集,也使后续的深度学习更加高效的提取图像特征,防止模型过拟合,增加检测的准确性。并引入迁移学习的方式对所有数据进行精确且快速的分类,以便进行后续标注和分割处理。针对混凝土缺陷占整个图像的比例相对较低,若采用传统的分割网络进行检测,在经过多次池化操作过后,会导致缺陷信息被过多的损失掉的问题,本文提出了一种全新的基于卷积神经网络的缺陷实时检测网络,该网络在下采样过程中利用部分卷积层替代池化层,加强对裂纹信息的提取,从而提升整个...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图1-1水电发展“十三五”规划Fig.1-113thfive-yearplanforhydropowerdevelopment

、科学管理水库大坝等水利工程，是保证防洪、发电、供水、灌溉等功能可持续发展的必然选择，也是保障人民生产生活和国家经济发展的重要举措[2]。水电发展“十三五”规划对数字流域和数字水电、“互联网+”智能水电站、大坝安全在线监控和远程技术等方面提出了新的要求，应用智能机器人系统开展水库....

图1-2大坝仪器监测自动化系统

ǎ?梅椒ㄍü?栽?纪计?奶卣魈崛。??崛〉玫降母丛犹卣鞣植阄谷刖砘?窬?网络来构建高级特征，最后采用多层感知器来对缺陷进行检测与分类，由于卷积的前馈特性，这种方法实现了非常快速的预测，识别率也达到了90%左右。当前坝面检测技术主要包括大坝仪器监测自动化系统和人工巡检两种手段相结合....

图1-3坝面人工巡检

绪论7图1-3坝面人工巡检Fig.1-3Manualinspectionofdamsurface1.4本文主要研究内容通过国内外研究现状分析，以及本课题所面临的应用场景，本文将从数据采集到数据处理整条流程进行研究，具体研究内容包括：针对坝面环境的特殊性以及数据获取的困难程度，采用....

图2-2缺陷数据分类处理流程图

坝面图像预处理11Inception-v3模块全连接层IY卷积全连接层I激活函数Y池化激活函数池化卷积图2-1迁移学习网络与普通网络对比图Fig.2-1Comparisonoftransferlearningnetworkandordinarynetwork(2)网络搭建与训练过....

本文编号：3915956