橋梁安全是公共交通安全中最重要的部分之一。橋梁定期檢測是對橋梁安全最有效的評價方法,其檢測的標(biāo)準(zhǔn)性和準(zhǔn)確性直接關(guān)系到民生安全。目前公路橋梁定期檢測主要以人工檢測為主,橋梁檢測人員在檢測橋梁的時候,需要先判斷橋梁病害的類型,再對各種病害做出定位、定因和定性判斷,并在此基礎(chǔ)上對橋梁病害做出結(jié)論。由于檢測現(xiàn)場環(huán)境復(fù)雜,加之檢測人員需要做出各種判斷,所以對于檢測人員來說,對其業(yè)務(wù)水平要求很高,同時其工作量也相當(dāng)繁雜。為了解決該現(xiàn)狀,論文首先對橋梁裂縫病害特征數(shù)據(jù)進(jìn)行分析、抓取并形成病害特征和成因規(guī)則庫,接著從檢測現(xiàn)場拍攝的病害圖片著手,提出一種基于橋梁裂縫病害圖片自動識別卷積模型（BCDP-AR）,對橋梁的裂縫病害圖片進(jìn)行深度學(xué)習(xí),并根據(jù)病害特征和成因規(guī)則庫進(jìn)行比對,達(dá)到病害自動識別和成因預(yù)判的效果,以便檢測人員在檢測現(xiàn)場快速準(zhǔn)確的做出判斷并得出合理的結(jié)論建議。該課題的研究主要解決了橋梁裂縫病害自動識別和標(biāo)識的關(guān)鍵問題,為橋梁定期檢測提供了極大的便利,有很好的實用價值和推廣前景,并且在具體工程應(yīng)用中取得了極大的肯定。本文具體研究內(nèi)容如下:（1）論文在卷積神經(jīng)網(wǎng)絡(luò)（Convolutional N... 

【文章來源】： 馬東群 西華師范大學(xué)

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究工作的背景
    1.2 國內(nèi)外現(xiàn)狀
    1.3 本文研究的意義
    1.4 本文組織架構(gòu)
第2章 橋梁裂縫病害識別技術(shù)與計算方法
    2.1 橋梁裂縫病害分類
    2.2 裂縫相關(guān)定義
    2.3 裂縫識別相關(guān)技術(shù)
        2.3.1 Tensor Flow
        2.3.2 神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
第3章 數(shù)據(jù)集準(zhǔn)備及模型建立
    3.1 引言
    3.2 裂縫病害數(shù)據(jù)集來源
        3.2.1 圖像預(yù)處理及數(shù)據(jù)集建立
        3.2.2 數(shù)據(jù)集準(zhǔn)備
    3.3 BCDP-AR卷積模型建立
        3.3.1 基于CNN的網(wǎng)絡(luò)模型計算原理
        3.3.2 BCDP-AR卷積模型網(wǎng)絡(luò)設(shè)計
    3.4 本章小結(jié)
第4章 實驗仿真和性能分析
    4.1 引言
    4.2 模型訓(xùn)練
    4.3 性能分析
    4.4 性能比對
    4.5 本章小結(jié)
第5章 工程使用概述
    5.1 系統(tǒng)概述
    5.2 工程呈現(xiàn)效果
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
在學(xué)期間的科研情況


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的橋梁裂縫檢測算法研究[J]. 李良福,馬衛(wèi)飛,李麗,陸鋮.  自動化學(xué)報. 2019(09)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的田間多簇獼猴桃圖像識別方法[J]. 傅隆生,馮亞利,Elkamil Tola,劉智豪,李瑞,崔永杰.  農(nóng)業(yè)工程學(xué)報. 2018(02)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的路表病害識別與測量[J]. 沙愛民,童崢,高杰.  中國公路學(xué)報. 2018(01)
[4]基于機(jī)器視覺的橋梁檢測技術(shù)現(xiàn)狀及發(fā)展[J]. 龐娜,趙啟林,芮挺,朱斌.  現(xiàn)代交通技術(shù). 2015(06)
[5]光照不均勻圖像的灰度波動局部閾值分割[J]. 朱磊,白瑞林,吉峰.  計算機(jī)工程與應(yīng)用. 2015(12)
[6]基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的橋梁裂痕診斷研究[J]. 張福新,李國東.  大眾科技. 2014(01)
[7]基于BP神經(jīng)網(wǎng)絡(luò)的彩色圖像邊緣檢測方法研究[J]. 柳赟,鄭蕊蕊,吳艷軍,徐寶翠,吳寶春.  電子測試. 2013(19)
[8]基于圖像局部網(wǎng)格特征的隧道襯砌裂縫自動識別[J]. 王平讓,黃宏偉,薛亞東.  巖石力學(xué)與工程學(xué)報. 2012(05)
[9]基于MATLAB數(shù)字圖像邊緣檢測算子的研究[J]. 黃鋒華,劉琪芳,冀金鳳.  機(jī)械工程與自動化. 2011(04)
[10]基于神經(jīng)網(wǎng)絡(luò)的圖像弱邊緣檢測方法研究[J]. 楊景兵,丁輝,張樹東.  電視技術(shù). 2011(15)

博士論文
[1]圖像邊緣檢測技術(shù)及其應(yīng)用研究[D]. 曾俊.華中科技大學(xué) 2011
[2]基于圖像分析的道路病害自動檢測研究[D]. 高建貞.南京理工大學(xué) 2003

碩士論文
[1]基于深度學(xué)習(xí)的動態(tài)人臉識別方法研究[D]. 劉峰.廣東工業(yè)大學(xué) 2019
[2]基于無人機(jī)視頻的橋梁裂縫識別方法研究[D]. 王鵬.華南理工大學(xué) 2018
[3]基于深度學(xué)習(xí)的橋梁裂縫檢測算法研究[D]. 寇瀟.西安電子科技大學(xué) 2017
[4]路面裂縫自動檢測系統(tǒng)研究[D]. 郝曉靜.長安大學(xué) 2013
[5]基于圖像處理技術(shù)的橋梁裂縫檢測[D]. 王瑋華.長安大學(xué) 2013
[6]基于圖像處理技術(shù)的橋梁裂縫測量系統(tǒng)研究[D]. 黃衛(wèi)嶺.北京交通大學(xué) 2013
[7]基于圖像分析的路面裂紋自動檢測算法研究[D]. 鄧若曦.武漢理工大學(xué) 2012
[8]基于圖像處理的混凝土橋梁底面裂縫檢測方法的研究[D]. 張國旗.北京交通大學(xué) 2010
[9]基于多尺度圖像分析的路面病害檢測方法研究與分析[D]. 陳利利.南京理工大學(xué) 2009
[10]路面病害自動檢測系統(tǒng)的改進(jìn)和相關(guān)算法的研究[D]. 王晨.南京理工大學(xué) 2006



本文編號：3007188