隨著我國對“一帶一路”經(jīng)濟紐帶的建設(shè),公路交通等基礎(chǔ)設(shè)施在日益完善,使得橋梁里程數(shù)直線上升,橋梁在長期的使用中受到自然因素和人為因素的損害,造成橋梁會出現(xiàn)一些病害,從而使得橋梁的使用年限大大地縮短,國家經(jīng)濟遭受巨大損失。但是如果對橋梁的病害能在早期發(fā)現(xiàn),并進行修補,則可以延長橋梁的使用壽命,所以保護橋梁對國家經(jīng)濟建設(shè)起到很重要的作用。傳統(tǒng)的橋梁裂縫檢測方法是利用常用的高精度直尺,游標卡尺或者測寬儀等裂縫檢測工具進行人工測量,這些測量方法不僅成本高,具有一定的危險性,而且效率低,漏檢率較高。所以國內(nèi)外研究者致力于使用數(shù)字圖像處理技術(shù)對橋梁裂縫圖像進行檢測,傳統(tǒng)的橋梁裂縫檢測算法可以檢測出橋梁裂縫圖像中的裂縫,但是由于橋梁裂縫圖像背景復雜,檢測出裂縫往往帶有大量的噪音像素,造成檢測的精確度較低。隨著卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展,又出現(xiàn)了基于全卷積神經(jīng)網(wǎng)絡(luò)的橋梁裂縫檢測方法,這些方法在一定程度上提高了裂縫檢測精度,但是裂縫邊緣檢測比較模糊,檢測結(jié)果還是無法達到實用的需求。橋梁裂縫檢測的重點和難點是如何提高裂縫檢測的精度和提升裂縫邊緣細節(jié)信息的檢測效果,本文利用基于改進的U-net網(wǎng)絡(luò)對橋梁裂縫進行檢測... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

橋梁斷裂示意圖

最開始的表現(xiàn)方式是橋梁底面出現(xiàn)裂梁檢測車站在橋梁底面使用橋梁裂縫采集通過游標卡尺等測量工具在橋梁地面尋工統(tǒng)計這些測量到的數(shù)據(jù)，這種人工測量低：人工測量的方法完全是人通過肉眼，所以檢測精度很低。高：通過人肉眼檢測，出于人的主觀性成漏檢。人工檢測需要通過專業(yè)設(shè)備，設(shè)備費用高：由于是人工在橋梁底面作業(yè)，距離人身安全問題。：人工在橋梁底面檢測裂縫時，橋梁上工操作，進而影響人身安全。

2.2 卷積神經(jīng)網(wǎng)絡(luò)2.2.1 深度學習概述深度學習[21]經(jīng)歷了 3 次變革，分別是控制論時代，聯(lián)結(jié)主義時代和現(xiàn)代時代。受到大腦神經(jīng)元的啟發(fā)，控制論時代提出了感知機（如圖 2.1 感知機示），感知機是一個線性模型，可以解決分類問題。聯(lián)結(jié)時代提出了淺層神經(jīng)圖 2.2 淺層神經(jīng)網(wǎng)絡(luò)示意圖所示），可以很容易地解決 XOR 問題。這段時期，指出了利用 BP 算法訓練神經(jīng)網(wǎng)絡(luò)，可以達到學習特征的目的。1989 年，正式提出了卷積神經(jīng)網(wǎng)絡(luò)來解決手寫體識別，由于這一時期數(shù)據(jù)集規(guī)模和算小，使得深度學習研究進入了低谷。直到 2012 年，AlexNet[22]第一次直接通播訓練得到深層 CNN 模型，且效果遠遠超過了其他方法，由此拉開了現(xiàn)代的大幕，此時的訓練數(shù)據(jù)集與算力已經(jīng)提升成千上萬倍。深度學習發(fā)展至今計算機視覺等領(lǐng)域解決了日益復雜的問題，并且精度也有了顯著的提高。

【參考文獻】：
碩士論文
[1]基于圖像處理的路面裂縫自動檢測技術(shù)研究[D]. 曹佳煜.長安大學 2014



本文編號：2933633