橋梁在交通運輸系統(tǒng)中已經(jīng)不可或缺,而目前我國進行橋梁表面缺陷檢測多數(shù)還是依靠人工檢測方式,條件艱苦、效率低下,肉眼識別的視覺死角將導(dǎo)致檢測誤差較大,定期檢測又會消耗大量的人力物力和財力,還影響交通效率�；谌斯ぶ悄艿臉蛄罕砻嫒毕莘治鱿到y(tǒng)旨在用機器代替人力,解決上述難題�；谌斯ぶ悄艿臉蛄罕砻嫒毕莘治鱿到y(tǒng)使用圖像處理、卷積神經(jīng)網(wǎng)絡(luò)(CNN)等相關(guān)技術(shù),可以實現(xiàn)對視頻文件或者無人機實時視頻流的管理,能夠識別出對應(yīng)的裂縫,并能通過訓(xùn)練好的裂縫分類器,去判斷裂縫的等級。本文做的主要工作包括:首先采集了大量的裂縫圖片,構(gòu)建了裂紋圖像數(shù)據(jù)集;其次,通過訓(xùn)練提取出各個等級需要的特征數(shù)據(jù),并基于弱分類器級聯(lián)構(gòu)造出強分類器;隨后,構(gòu)建、訓(xùn)練CNN實現(xiàn)裂縫的分類;最后,基于對橋梁裂縫分類的專業(yè)知識,選取一部分橋梁裂縫圖像進行了測試。本系統(tǒng)不僅實現(xiàn)了對橋梁裂縫的一般識別,而且還提出對橋梁裂縫劃分為3個等級,對應(yīng)實際生產(chǎn)中的三個裂縫標(biāo)準(zhǔn)。最后,建立了基于人工智能的橋梁裂縫分析模型,并使用了卷積神經(jīng)網(wǎng)絡(luò)算法來增強裂縫的特征表達能力。本文利用在昆明、杭州、蘇州等地拍攝的橋梁裂縫圖像作為源數(shù)據(jù),運用AdaBoost... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 系統(tǒng)背景介紹
    1.2 國內(nèi)外研究現(xiàn)狀分析
        1.2.1 國內(nèi)研究現(xiàn)狀分析
        1.2.2 國外研究現(xiàn)狀分析
    1.3 系統(tǒng)關(guān)鍵技術(shù)分析
    1.4 論文主要內(nèi)容和章節(jié)安排
2 相關(guān)技術(shù)介紹
    2.1 程序語言
    2.2 應(yīng)用框架
        2.2.1 前端框架VLCJ
        2.2.2 后端深度學(xué)習(xí)框架Tensorflow
    2.3 應(yīng)用算法
        2.3.1 卷積層局部感知
        2.3.2 激活層共享權(quán)重
        2.3.3 池化
        2.3.4 算法的優(yōu)缺點
3 系統(tǒng)需求分析
    3.1 設(shè)計目標(biāo)
    3.2 運行環(huán)境
    3.3 功能需求分析
    3.4 性能需求分析
4 系統(tǒng)設(shè)計
    4.1 系統(tǒng)功能結(jié)構(gòu)
    4.2 主要功能模塊設(shè)計
        4.2.1 播放文件管理設(shè)計
        4.2.2 無人機航線管理設(shè)計
        4.2.3 裂縫識別管理設(shè)計
        4.2.4 裂縫文件管理設(shè)計
        4.2.5 檢測結(jié)果管理設(shè)計
    4.3 系統(tǒng)算法設(shè)計
        4.3.1 程序描述
        4.3.2 功能
        4.3.3 輸入輸出項
        4.3.4 相關(guān)算法介紹
        4.3.5 流程邏輯
    4.4 系統(tǒng)ER圖
    4.5 系統(tǒng)數(shù)據(jù)結(jié)構(gòu)設(shè)計
    4.6 系統(tǒng)出錯處理設(shè)計
5 系統(tǒng)實現(xiàn)
    5.1 播放文件管理
    5.2 無人機航線管理
    5.3 裂縫識別檢測管理
        5.3.1 裂縫識別
        5.3.2 裂縫檢測
    5.4 裂縫文件管理
6 系統(tǒng)測試
    6.1 系統(tǒng)測試用例
    6.2 測試結(jié)果分析
結(jié)論
參考文獻
致謝


【參考文獻】：
期刊論文
[1]深度學(xué)習(xí)在手寫漢字識別中的應(yīng)用綜述[J]. 金連文,鐘卓耀,楊釗,楊維信,謝澤澄,孫俊.  自動化學(xué)報. 2016(08)
[2]基于ROI-KNN卷積神經(jīng)網(wǎng)絡(luò)的面部表情識別[J]. 孫曉,潘汀,任福繼.  自動化學(xué)報. 2016(06)
[3]基于并行深度卷積神經(jīng)網(wǎng)絡(luò)的圖像美感分類[J]. 王偉凝,王勵,趙明權(quán),蔡成加,師婷婷,徐向民.  自動化學(xué)報. 2016(06)
[4]圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動化學(xué)報. 2016(09)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像目標(biāo)識別研究.[J]. 田壯壯,占榮輝,胡杰民,張軍.  雷達學(xué)報. 2016(03)
[6]基于改進Fisher準(zhǔn)則的深度卷積神經(jīng)網(wǎng)絡(luò)識別算法[J]. 孫艷豐,齊光磊,胡永利,趙璐.  北京工業(yè)大學(xué)學(xué)報. 2015(06)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的正則化方法[J]. 呂國豪,羅四維,黃雅平,蔣欣蘭.  計算機研究與發(fā)展. 2014(09)
[8]基于深度學(xué)習(xí)網(wǎng)絡(luò)的射線圖像缺陷識別方法[J]. 余永維,殷國富,殷鷹,杜柳青.  儀器儀表學(xué)報. 2014(09)
[9]瀝青路面裂縫圖像識別技術(shù)研究進展[J]. 張宏,英紅.  華東公路. 2009(04)
[10]基于圖像處理的路面裂縫識別研究[J]. 孫波成,邱延峻.  重慶交通大學(xué)學(xué)報(自然科學(xué)版). 2008(01)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的聯(lián)機手寫漢字識別系統(tǒng)[D]. 劉欣.哈爾濱工業(yè)大學(xué) 2015
[2]改進的卷積神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用研究[D]. 何鵬程.大連理工大學(xué) 2015
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測和性別識別研究[D]. 汪濟民.南京理工大學(xué) 2015
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的Logo檢測與識別研究[D]. 張瑞.浙江大學(xué) 2015



本文編號：2932424