發(fā)布時(shí)間：2021-09-07 03:34

　　跨座式單軌以其輕便靈活的優(yōu)點(diǎn)越來越多的被應(yīng)用到城市交通上來,其中軌道梁在列車運(yùn)行中具有承重和導(dǎo)向作用,因而梁面異常對(duì)于列車的安全運(yùn)行具有嚴(yán)重威脅,目前使用的人工巡檢方法效率低下且準(zhǔn)確率不高,實(shí)現(xiàn)對(duì)梁面異常自動(dòng)檢測(cè)是跨座式單軌交通發(fā)展中亟待解決的問題。針對(duì)該問題,本課題在實(shí)地采集的跨座式單軌梁面圖像數(shù)據(jù)上使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)單軌梁面異常的自動(dòng)檢測(cè)方法進(jìn)行了研究。梁面異�？煞譃榱好婊炷羺^(qū)域的裂紋和指型板區(qū)域的緊固件異常,由于兩種異常差異較大,為了達(dá)到更高的檢測(cè)效率與精度,本課題分別對(duì)兩種異常的檢測(cè)方法進(jìn)行了研究。通過對(duì)現(xiàn)有裂紋檢測(cè)方法進(jìn)行分析,結(jié)合跨座式單軌梁面混凝土區(qū)域的裂紋危害以及實(shí)際采集到的原始圖像情況,采用了基于卷積網(wǎng)絡(luò)的塊分類方法進(jìn)行裂紋檢測(cè)。由于圖像的塊劃分使得難以直接在原圖上進(jìn)行裂紋檢測(cè),因此本文選擇以分類做檢測(cè),即對(duì)圖像塊做裂紋與非裂紋的二分類,然后組合分類結(jié)果為裂紋的塊得到裂紋檢測(cè)的最終結(jié)果�？紤]到效率問題本文選擇使用輕量級(jí)網(wǎng)絡(luò)MobileNet在自制的單軌梁面圖像數(shù)據(jù)集上進(jìn)行微調(diào)訓(xùn)練,通過增添大量類似場(chǎng)景中的裂紋數(shù)據(jù)解決了單軌梁面裂紋數(shù)據(jù)樣本不足的問題,得到在測(cè)試集上具... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

跨座式單軌軌道Fig.1.1Straddlemonorail（a）跨座式單軌軌道梁（b）跨座式單軌軌道梁指型板

浠?緦業(yè)牟糠鄭?鹽圃諭枷裰邢袼刂低??捅?景有明顯差異，故在理想情況下邊緣檢測(cè)[1]可以完全把裂紋從背景中分割出來，常用的邊緣檢測(cè)算法有很多，如Sobel[2]、Canny[3]、Prewitt[4]等，其原理都是通過設(shè)定固定的卷積模板來計(jì)算圖像水平和豎直方向的梯度，從而達(dá)到檢測(cè)邊緣的效果。然而實(shí)際場(chǎng)景中受光線以及環(huán)境的影響，道路中往往存在許多噪聲，雖然存在許多圖像濾波技術(shù)能夠在一定程度上降低噪聲對(duì)檢測(cè)結(jié)果的干擾，但即使經(jīng)過一定的圖像預(yù)處理操作，使用邊緣檢測(cè)的方法來進(jìn)行裂紋檢測(cè)也難以達(dá)到較高的準(zhǔn)確率。圖1.2基于直方圖分析法的裂紋分割原理及效果圖Fig.1.2Theschematicofcracksegmentationbasedonhistogramanalysis直方圖分析法[5-8]是根據(jù)圖像的灰度直方圖設(shè)定合適閾值進(jìn)行二值化來達(dá)到分割圖像的效果,如圖1.2所示。常見的基于直方圖分析法的裂紋檢測(cè)包括雙峰平均值的閾值分割和谷底最小值的閾值分割。這種基于直方圖分析的方法首先需要對(duì)裂紋圖像進(jìn)行灰度值統(tǒng)計(jì)得到裂紋圖像的灰度直方圖，然后判斷直方圖是否為雙峰，如果不是則需要對(duì)圖像進(jìn)行平滑處理使得其直方圖變?yōu)殡p峰，最后選擇合適閾（a）原圖（b）灰度直方圖（c）分割結(jié)果

重慶大學(xué)碩士學(xué)位論文1緒論4值進(jìn)行分割，達(dá)到分割背景與前景的效果。然而梁面裂紋部分像素點(diǎn)往往占比較小，其直方圖難以形成裂紋與背景間的雙峰波形，故使用直方圖分析法進(jìn)行單軌梁面裂紋分割的效果通常較差，難以達(dá)到實(shí)用要求。圖1.3二維裂紋圖像的三位空間映射Fig.1.3Three-dimensionalmappingoftwo-dimensionalcrackimage基于曲率分析的裂紋檢測(cè)方法[8-10]是從幾何角度出發(fā)，將二維的平面圖像映射到三維曲面空間中，如圖1.3所示。通過三維曲面中裂紋的曲率特征，由高斯曲率的極值點(diǎn)和負(fù)平均曲率來提取裂紋。該方法在單軌梁面的裂紋檢測(cè)實(shí)驗(yàn)中有較好的檢測(cè)效果，但由于梁面噪聲的干擾，檢測(cè)結(jié)果中存在大量偽裂紋，致使裂紋檢測(cè)精度不高。支持向量機(jī)(SVM)是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的有監(jiān)督式機(jī)器學(xué)習(xí)方法。該算法以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為原則，在處理分類問題時(shí)往往具有較好的泛化能力。基于SVM方式的裂紋檢測(cè)方法[11]首先需要對(duì)圖像進(jìn)行分塊處理，即根據(jù)原始圖像的大小，把單幅圖像通過網(wǎng)格劃分為多個(gè)均勻的子塊，使用子塊作為裂紋檢測(cè)過程中的處理單位。然后把圖像塊的均值和方差等看作裂紋特征，最后使用SVM算法找到裂紋塊與非裂文塊的最大分類間隔。使用支持向量機(jī)的方式進(jìn)行裂紋檢測(cè)時(shí)其結(jié)果依賴于裂紋圖像塊的特征表示，但由于單軌梁面情況復(fù)雜多樣，且裂紋形狀各異，靠均值和方差等手工特征不足以區(qū)分裂紋塊與非裂紋塊，使用該方法檢測(cè)難以得到較高的精度。使用SVM算法進(jìn)行裂紋檢測(cè)時(shí)，裂紋圖像塊的特征表示主要為均值與方差，然而均值與方差都為圖像塊的總體特征，考慮到裂紋圖像塊的結(jié)構(gòu)化信息對(duì)于裂紋更加具有表征力，文獻(xiàn)[12]提出使用結(jié)構(gòu)化隨機(jī)森林進(jìn)行裂紋檢測(cè)，該方法首先對(duì)圖像進(jìn)行網(wǎng)格劃分，然后特征提取階段在圖像塊

【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)閾值的Sobel算子邊緣檢測(cè)研究[J]. 李琳琳.  電子技術(shù). 2018(12)
[2]基于邊緣檢測(cè)的斜紋布匹瑕疵檢測(cè)[J]. 鄧超,劉巖巖.  測(cè)控技術(shù). 2018(12)
[3]基于Canny算子的福橘圖像邊緣檢測(cè)研究[J]. 劉現(xiàn),蔡淑芳,黃語燕.  東南園藝. 2018(06)
[4]螺栓松動(dòng)損傷的亞諧波共振識(shí)別方法[J]. 屈文忠,張夢(mèng)陽,周俊宇,肖黎.  振動(dòng).測(cè)試與診斷. 2017(02)
[5]sobel算子與prewitt算子分析與研究[J]. 王月新,劉明君.  計(jì)算機(jī)與數(shù)字工程. 2016(10)
[6]利用固有頻率異常值分析法檢測(cè)螺栓擰緊力[J]. 緱百勇,陸秋海,王波,王世英.  振動(dòng)與沖擊. 2015(23)
[7]塔機(jī)螺栓松動(dòng)檢測(cè)新方法研究[J]. 陳卓,郝永剛,易水洪,賈上遠(yuǎn).  中國特種設(shè)備安全. 2015(09)
[8]低功耗多點(diǎn)螺栓松動(dòng)監(jiān)測(cè)系統(tǒng)研究[J]. 吳鍵,傅少武,金偉.  電子設(shè)計(jì)工程. 2015(09)
[9]螺栓松緊程度的受控敲擊檢測(cè)方法[J]. 向志海,黃俊濤.  實(shí)驗(yàn)力學(xué). 2012(05)
[10]基于直方圖估計(jì)和形狀分析的瀝青路面裂縫識(shí)別算法[J]. 徐志剛,趙祥模,宋煥生,雷濤,韋娜.  儀器儀表學(xué)報(bào). 2010(10)

博士論文
[1]跨座式單軌交通軌道梁表面裂紋識(shí)別方法研究[D]. 趙國騰.重慶大學(xué) 2015
[2]基于圖像分析的跨座式單軌交通PC軌道梁面裂紋檢測(cè)研究[D]. 郭春華.重慶大學(xué) 2011

碩士論文
[1]跨座式單軌交通軌道梁面裂紋檢測(cè)及聚類分析方法研究[D]. 陳超.重慶大學(xué) 2017
[2]基于圖像處理的路面裂縫檢測(cè)系統(tǒng)設(shè)計(jì)與研究[D]. 周林.太原理工大學(xué) 2013



本文編號(hào)：3388762