基于卷积神经网络的裂缝检测技术研究
发布时间：2021-10-11 20:18
混凝土在公路、桥梁等交通基础设施的建设中发挥着非常重要的作用。然而,随着这些设施使用时间的推移,以及雨雪灾害、材料老化等众多因素的影响,这些混凝土结构的设施不可避免的会出现不同程度的损伤,而在这些损伤中,裂缝是最常见也是最严重的病害,及时有效地检测出这些裂缝对于后期的养护具有重要意义。传统的混凝土裂缝图像检测主要是人工检测,该过程不仅检测效率低下并且需要投入大量的人力和物力。随着人们对裂缝检测技术的不断研究,基于图像处理的检测方法由于具有操作简单、检测效率高等优点,受到了人们的广泛关注。但是,基于传统数字图像处理的混凝土裂缝图像检测技术大多数是针对特定场景设计的,一旦场景发生变化,其检测结果往往不尽人意。针对传统图像处理技术对混凝土裂缝图像分割效果不佳、泛化能力较弱等问题,本文深入研究了基于卷积神经网络的混凝土裂缝图像分割算法,设计了以ResNet101为主干网络的端到端分割模型。其融合了更多的低层特征,使得裂缝分割结果更加精细。为了更加接近实际应用场景,与其他方法相比,本文的算法具有更高的检测精度和泛化能力。在实际工程应用中,人们通常采用毫米、厘米等米制单位来量化裂缝,而图像中使用的...
【文章来源】：西安理工大学陕西省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
混凝土表面裂缝Fig.1-1Cracksontheconcretesurface
西安理工大学硕士学位论文2新的高效且无损的裂缝检测方法来替代传统的人工检测。图1-1混凝土表面裂缝图1-2桥梁检测车Fig.1-1CracksontheconcretesurfaceFig.1-2Bridgeinspectionvehicle近些年来，随着相机技术的成熟以及计算机视觉技术的蓬勃发展，基于图像处理的无损化裂缝检测技术越来越受到人们的欢迎。该种方法无需人工近距离接触式检测，而是依靠人们设计好的图像处理算法来对拍摄到的裂缝图像进行检测分析，最终得到检测结果。该技术由于操作容易、检测效率高等优点得到了人们的广泛认可，目前已经成为了国内外裂缝检测的重点研究方向。随着科研人员们更进一步的研究，许多新的算法也不断的应用到裂缝检测中来。1.2国内外研究现状如今，裂缝检测技术已经相对具有了一些系统的、有针对性的研究方法，尤其是基于数字图像处理的方法。现阶段，基于数字图像处理的裂缝检测方法主要可分为两大类，一类是基于传统数字图像处理的裂缝检测方法，另一类则是基于深度学习的裂缝检测方法。下面将分别来介绍这两类裂缝检测方法的研究现状。1.2.1基于传统数字图像处理的裂缝检测基于传统数字图像处理的裂缝检测方法有很多，其中阈值分割算法因其计算速度快、实现容易，成为了裂缝检测中最基本、最常用的方法。王玮华[5]提出了利用灰度直方图谷底来确定阈值，以此来实现对裂缝图像分割，但是这种方法对图像背景要求比较严格，实用性不高。朱鑫等[6]将梯度信息与Otsu[7]方法相结合起来，能够对裂缝图像实现了较好的分割效果，但是该方法只适用于背景单一并且噪音较少的图像，如果图像背景中存在较多干扰时，则分割效果往往不尽人意。韩亚[8]提出了基于改进的Niblack[9]裂缝图像检测算法，其采用基于滑动窗口的动态阈值分割方法，以每个小窗
常用
【参考文献】：
期刊论文
[1]基于OkHttp的文件传输设计与实现[J]. 李群. 电子技术与软件工程. 2018(13)
[2]一种改进的用于裂缝图像分割的Otsu方法[J]. 朱鑫,漆泰岳,王睿,李涛. 地下空间与工程学报. 2017(S1)
[3]图像理解中的卷积神经网络[J]. 常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安. 自动化学报. 2016(09)
[4]基于立体视觉的桥梁裂缝自动检测系统研究[J]. 张开洪,罗林,颜禹. 重庆交通大学学报(自然科学版). 2014(05)
[5]基于图像处理的桥梁裂缝检测技术[J]. 尹冠生,赵振宇,徐兵. 四川建筑科学研究. 2013(02)
[6]基于图像处理技术的混凝土路面裂缝检测方法[J]. 郭全民,张海先. 传感器与微系统. 2013(04)
[7]浅谈混凝土桥梁裂缝的成因与控制措施[J]. 邢煜波. 黑龙江科技信息. 2012(06)
[8]基于图像处理的沥青路面裂缝测量算法研究[J]. 伯绍波,闫茂德,何靓俊,贺昱曜. 计算机测量与控制. 2007(10)
硕士论文
[1]基于无人机视觉的大型建筑物表面裂缝检测技术研究[D]. 吴生宇.广西大学 2019
[2]基于计算机视觉的混凝土裂缝检测算法研究[D]. 沈俊凯.中国地震局工程力学研究所 2019
[3]基于Flask技术的分布式Android产品验证系统[D]. 陈一欣.电子科技大学 2019
[4]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
[5]基于深度学习的桥梁裂缝检测算法研究[D]. 寇潇.西安电子科技大学 2017
[6]基于改进Niblack及Radon相关技术的复杂路面裂缝图像检测与算法评价[D]. 韩亚.长安大学 2016
[7]基于卷积神经网络的图像分类方法研究[D]. 谢宝剑.合肥工业大学 2015
本文编号：3431174
【文章来源】：西安理工大学陕西省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
混凝土表面裂缝Fig.1-1Cracksontheconcretesurface
西安理工大学硕士学位论文2新的高效且无损的裂缝检测方法来替代传统的人工检测。图1-1混凝土表面裂缝图1-2桥梁检测车Fig.1-1CracksontheconcretesurfaceFig.1-2Bridgeinspectionvehicle近些年来，随着相机技术的成熟以及计算机视觉技术的蓬勃发展，基于图像处理的无损化裂缝检测技术越来越受到人们的欢迎。该种方法无需人工近距离接触式检测，而是依靠人们设计好的图像处理算法来对拍摄到的裂缝图像进行检测分析，最终得到检测结果。该技术由于操作容易、检测效率高等优点得到了人们的广泛认可，目前已经成为了国内外裂缝检测的重点研究方向。随着科研人员们更进一步的研究，许多新的算法也不断的应用到裂缝检测中来。1.2国内外研究现状如今，裂缝检测技术已经相对具有了一些系统的、有针对性的研究方法，尤其是基于数字图像处理的方法。现阶段，基于数字图像处理的裂缝检测方法主要可分为两大类，一类是基于传统数字图像处理的裂缝检测方法，另一类则是基于深度学习的裂缝检测方法。下面将分别来介绍这两类裂缝检测方法的研究现状。1.2.1基于传统数字图像处理的裂缝检测基于传统数字图像处理的裂缝检测方法有很多，其中阈值分割算法因其计算速度快、实现容易，成为了裂缝检测中最基本、最常用的方法。王玮华[5]提出了利用灰度直方图谷底来确定阈值，以此来实现对裂缝图像分割，但是这种方法对图像背景要求比较严格，实用性不高。朱鑫等[6]将梯度信息与Otsu[7]方法相结合起来，能够对裂缝图像实现了较好的分割效果，但是该方法只适用于背景单一并且噪音较少的图像，如果图像背景中存在较多干扰时，则分割效果往往不尽人意。韩亚[8]提出了基于改进的Niblack[9]裂缝图像检测算法，其采用基于滑动窗口的动态阈值分割方法，以每个小窗
常用
【参考文献】：
期刊论文
[1]基于OkHttp的文件传输设计与实现[J]. 李群. 电子技术与软件工程. 2018(13)
[2]一种改进的用于裂缝图像分割的Otsu方法[J]. 朱鑫,漆泰岳,王睿,李涛. 地下空间与工程学报. 2017(S1)
[3]图像理解中的卷积神经网络[J]. 常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安. 自动化学报. 2016(09)
[4]基于立体视觉的桥梁裂缝自动检测系统研究[J]. 张开洪,罗林,颜禹. 重庆交通大学学报(自然科学版). 2014(05)
[5]基于图像处理的桥梁裂缝检测技术[J]. 尹冠生,赵振宇,徐兵. 四川建筑科学研究. 2013(02)
[6]基于图像处理技术的混凝土路面裂缝检测方法[J]. 郭全民,张海先. 传感器与微系统. 2013(04)
[7]浅谈混凝土桥梁裂缝的成因与控制措施[J]. 邢煜波. 黑龙江科技信息. 2012(06)
[8]基于图像处理的沥青路面裂缝测量算法研究[J]. 伯绍波,闫茂德,何靓俊,贺昱曜. 计算机测量与控制. 2007(10)
硕士论文
[1]基于无人机视觉的大型建筑物表面裂缝检测技术研究[D]. 吴生宇.广西大学 2019
[2]基于计算机视觉的混凝土裂缝检测算法研究[D]. 沈俊凯.中国地震局工程力学研究所 2019
[3]基于Flask技术的分布式Android产品验证系统[D]. 陈一欣.电子科技大学 2019
[4]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
[5]基于深度学习的桥梁裂缝检测算法研究[D]. 寇潇.西安电子科技大学 2017
[6]基于改进Niblack及Radon相关技术的复杂路面裂缝图像检测与算法评价[D]. 韩亚.长安大学 2016
[7]基于卷积神经网络的图像分类方法研究[D]. 谢宝剑.合肥工业大学 2015
本文编号：3431174
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3431174.html
