[1]王占飞,李明阳,李保险,等.基于深度学习的桥梁裂缝检测与裂缝测量分析技术研究[J].沈阳建筑大学学报(自科版),2022,(3):486-495.[doi:10.11717/j.issn:2095-1922.2022.03.13]
点击复制

基于深度学习的桥梁裂缝检测与裂缝测量分析技术研究()
分享到：

《沈阳建筑大学学报(自科版)》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2022年第3期
页码:
486-495
栏目:
土木工程
出版日期:
2022-06-20

文章信息/Info

作者:
王占飞; 李明阳; 李保险; 李峥; 王乐群
关键词:
桥梁裂缝; 图像处理; 裂缝检测; Resnet卷积网络模型; 裂缝测量
DOI:
10.11717/j.issn:2095-1922.2022.03.13
摘要:
目的 为解决在混凝土桥梁人工巡检中耗时费力、安全性不高的问题，提出基于Resnet网络的桥梁裂缝检测技术，并对裂缝进行定量测量。方法 创建裂缝数据集与背景数据集，并提出双边滤波-灰度化-对比度增强法（Bilateral-Graying-Contrast enhancement，BGC）对图像进行预处理,用预处理前后的数据分别对Resnet网络和传统VGG网络进行训练和测试，建立四组试验并对比试验结果；开发桥梁裂缝测量系统，逐步提取裂缝轮廓，对裂缝进行无接触测量，并用实例验证系统在不同拍摄高度及其30°偏角下的测量精度。结果 在Resnet网络和VGG网络中，BGC预处理后使识别准确率分别提高2.29%和4.99%；Resnet网络对比VGG网络，裂缝识别的准确率大幅提高31.3%，准确率提升至97.44%；在裂缝测量系统中，测量的平均精度在90.14%以上，最高可达96.9%。结论 图像进行BGC预处理后，网络识别准确率更高；Resnet网络独有的残差单元可以减少冗余特征的学习，大幅提高识别准确率；裂缝测量系统在设置的不同试验拍摄条件下，测量精度均较高，可满足实际工程需求。

相似文献/References:

[1]赵民,李天敏,邵萌,等.基于CCD摄像机石材表面颜色识别方法[J].沈阳建筑大学学报(自科版),2019,(1):133.[doi:10.11717/j.issn:2095-1922.2019.01.16]

更新日期/Last Update: 2022-06-20