隨著人工智能領(lǐng)域的不斷發(fā)展和大數(shù)據(jù)時(shí)代的到來,將先進(jìn)的信息技術(shù)應(yīng)用到實(shí)際工程中已取得了巨大的成功,比如現(xiàn)在的人臉識(shí)別技術(shù),智能交通監(jiān)控系統(tǒng)等,但將先進(jìn)的生產(chǎn)技術(shù)應(yīng)用到土木工程領(lǐng)域還有很大的空間。在橋隧方面,橋梁裂縫檢測是一項(xiàng)費(fèi)時(shí)費(fèi)力的工作,同時(shí)還具有一定的危險(xiǎn)性。為解決這一難題,本文將利用大數(shù)據(jù),結(jié)合海量的裂縫圖像,利用深度學(xué)習(xí)框架對裂縫圖片進(jìn)行圖像識(shí)別。目前這一領(lǐng)域的研究在如火如荼的進(jìn)行,取得了豐碩的研究成果。本文將在前人研究的基礎(chǔ)上,致力于圖像裂縫識(shí)別效果的研究。本文結(jié)合大數(shù)據(jù)信息,利用深度學(xué)習(xí)技術(shù),對混凝土裂縫進(jìn)行識(shí)別研究。具體的研究重點(diǎn)如下:（1）采集裂縫圖像,構(gòu)建數(shù)據(jù)集。本文通過檢測現(xiàn)場采集和實(shí)驗(yàn)室采集兩種途徑,共獲取1500余張裂縫圖片,通過圖像分割,選取了7000張作為樣本數(shù)據(jù),經(jīng)過圖像處理技術(shù),對裂縫圖像進(jìn)行了前期的預(yù)處理。最終選定5000張作為訓(xùn)練集,2000張作為驗(yàn)證集,訓(xùn)練迭代20萬次,生成了最終的裂縫模型。（2）鑒于裂縫圖像的多樣性,本文分別對橫向、縱向、斜向和交叉4種不同形狀的裂縫進(jìn)行識(shí)別,精確率達(dá)到95%以上,識(shí)別效果良好,裂縫走向能夠完好的識(shí)別出來。對算法... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

歷年橋梁數(shù)目和橋梁總長圖

?廡┪侍獾牟??使得橋梁的實(shí)際使用壽命與設(shè)計(jì)壽命相差甚大，甚至出現(xiàn)坍塌事故的發(fā)生。根據(jù)調(diào)查資料，下面著重介紹幾個(gè)由橋梁裂縫擴(kuò)展引發(fā)的結(jié)構(gòu)病害或事故。京杭運(yùn)河特大橋全長1131.2米，橋該于2012年投入使用，實(shí)際樁號(hào)為K342+206，上部結(jié)構(gòu)采用雙塔雙索面混凝土斜拉橋、裝配式預(yù)應(yīng)力砼連續(xù)箱梁全橋共50孔，跨徑組成為5×30+6×30+(108+248+108)+6×30+5×30m。根據(jù)江蘇省交通公路局檢測報(bào)告，主要橋梁病害包括大量縱向裂縫，裂縫長度0.1米到數(shù)米不等，這些裂縫的存在對該橋的正常使用造成了一定影響，需要后期修補(bǔ)。圖1-2墩帽外側(cè)擋塊開裂風(fēng)陵渡黃河公路大橋位于山西省風(fēng)陵渡鎮(zhèn)，該橋全長為1409.6m，寬度為12m，主橋?yàn)槿蝾A(yù)應(yīng)力變截面連續(xù)箱梁，采用掛籃懸臂澆筑法施工[4-5]。大橋于1994年11月建成竣工通車，由于設(shè)計(jì)不足和施工過程中施工不到位等原因，大橋竣工通車后，梁體在一些部位出現(xiàn)了不同程度的裂縫，裂縫出現(xiàn)部位主要分為兩種：第一種裂縫部位是腹板，這種裂縫集中出現(xiàn)在第一、第五、第六、第十四跨靠近梁端處，裂縫由下至上，由支點(diǎn)向跨中呈45度斜向，其中最大裂縫寬度達(dá)0.75mm，已超過規(guī)范0.3mm的要求；第二

受到局部最小值的影響。RobertOuellette在文章中引入了遺傳算法來訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的濾波器優(yōu)化了局部最小值問題。該方法對100張裂縫照片進(jìn)行研究，得到92.3%的準(zhǔn)確率，取得了良好的檢測效果。2008年，韓國科學(xué)技術(shù)院的JeongHoLee為解決混凝土表面裂縫粗糙的的問題，提出了一種用于橋梁自動(dòng)檢測的機(jī)器視覺系統(tǒng)[20]。該系統(tǒng)可以對裂縫進(jìn)行實(shí)時(shí)檢測，通過對100個(gè)噪聲圖像（圖像像素為640×480）評估，每幅圖像一個(gè)像素對應(yīng)0.15mm，被檢測的目標(biāo)裂縫寬度大于0.2mm。實(shí)驗(yàn)表明該方法比其他傳統(tǒng)的方法在精度方面提高了2%-7%。圖1-4幾種方法的精度對比

【參考文獻(xiàn)】：
期刊論文
[1]橋梁混凝土結(jié)構(gòu)裂縫成因及控制措施分析[J]. 許麗娟.  交通世界. 2018(23)
[2]發(fā)展中的中國橋梁——張喜剛談中國橋梁的現(xiàn)狀與展望[J]. 李文杰,趙君黎.  中國公路. 2018(13)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的路表病害識(shí)別與測量[J]. 沙愛民,童崢,高杰.  中國公路學(xué)報(bào). 2018(01)
[4]我國公路橋梁總數(shù)超80萬座[J].   城市規(guī)劃通訊. 2017(22)
[5]基于人工智能與智能手機(jī)的混凝土裂紋檢測[J]. 趙雪峰,李生元,歐進(jìn)萍.  物聯(lián)網(wǎng)技術(shù). 2017(08)
[6]淺談橋梁裂縫產(chǎn)生的原因[J]. 張健美.  江西建材. 2017(15)
[7]深度學(xué)習(xí)及其在圖像物體分類與檢測中的應(yīng)用綜述[J]. 劉棟,李素,曹志冬.  計(jì)算機(jī)科學(xué). 2016(12)
[8]基于OpenCV的圖像處理[J]. 蘇慧娟,于正林,張桂林.  科技資訊. 2014(08)
[9]鋼筋混凝土橋梁裂縫種類及成因分析[J]. 趙鵬.  黑龍江科技信息. 2013(28)
[10]橋梁裂縫成因及處理[J]. 楊天.  現(xiàn)代裝飾(理論). 2011(12)

博士論文
[1]基于遷移學(xué)習(xí)與深度卷積特征的圖像標(biāo)注方法研究[D]. 宋光慧.浙江大學(xué) 2017
[2]基于數(shù)字圖像處理的瀝青路面裂縫識(shí)別技術(shù)研究[D]. 孫波成.西南交通大學(xué) 2015
[3]基于圖像分析的路面裂縫檢測的關(guān)鍵技術(shù)研究[D]. 馬常霞.南京理工大學(xué) 2012

碩士論文
[1]基于深度視感知學(xué)習(xí)的食物識(shí)別移動(dòng)端系統(tǒng)研究與開發(fā)[D]. 藍(lán)天.蘭州理工大學(xué) 2018
[2]無人機(jī)運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測識(shí)別算法研究[D]. 黃卓.哈爾濱工業(yè)大學(xué) 2018
[3]基于圖像處理的橋梁底面裂縫檢測識(shí)別方法研究[D]. 占繼剛.北京交通大學(xué) 2017
[4]深度循環(huán)網(wǎng)絡(luò)在移動(dòng)端說話人識(shí)別中的應(yīng)用[D]. 劉強(qiáng).電子科技大學(xué) 2017
[5]基于圖像分析的橋梁裂縫檢測方法研究[D]. 陳瑤.中國科學(xué)技術(shù)大學(xué) 2016
[6]基于JPEG的圖像編輯與增強(qiáng)方法的研究與設(shè)計(jì)[D]. 張靜.北方工業(yè)大學(xué) 2014
[7]基于數(shù)字圖像處理的混凝土橋梁底面裂縫的檢測[D]. 劉小燕.武漢理工大學(xué) 2014
[8]鋼筋混凝土橋梁裂縫成因分析與加固措施研究[D]. 劉松平.浙江大學(xué) 2012
[9]同蒲鐵路新風(fēng)陵渡黃河特大橋及引線工程設(shè)計(jì)方案研究[D]. 吳延偉.西南交通大學(xué) 2009
[10]圖像灰度增強(qiáng)算法的研究[D]. 高赟.西安電子科技大學(xué) 2007



本文編號(hào)：3216910