中國(guó)高速公路的發(fā)展引起了全世界的關(guān)注,同時(shí)道路護(hù)養(yǎng)的壓力也與日俱增,使得傳統(tǒng)的路面破損人工目測(cè)檢測(cè)無(wú)法滿足需求,人工方法存在效率低、安全性不高等問(wèn)題,因此,迫切需要一種高效的、高智能化的路面檢測(cè)裝置用于檢測(cè)路面破損檢測(cè)。隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展,許多研究人員提出了路面破損的智能檢測(cè)方法,并對(duì)其進(jìn)行了系統(tǒng)的開(kāi)發(fā)。本文根據(jù)現(xiàn)有方法與系統(tǒng)的不足,以路面破損中的路面裂縫為例,將裂縫分為橫向、縱向、塊狀和龜裂四類,提出了一種實(shí)時(shí)在線的路面裂縫和位置檢測(cè)系統(tǒng),該系統(tǒng)通過(guò)圖像處理識(shí)別技術(shù)來(lái)初步判定采集的路面圖像是否存在裂縫,應(yīng)用北斗導(dǎo)航系統(tǒng)進(jìn)行裂縫定位,并通過(guò)移動(dòng)通信系統(tǒng)實(shí)現(xiàn)裂縫圖片和位置信息進(jìn)行實(shí)時(shí)傳輸,最后結(jié)合當(dāng)前非常熱門(mén)的人工智能理論,通過(guò)卷積神經(jīng)網(wǎng)絡(luò)對(duì)裂縫進(jìn)行精確的識(shí)別分類。整個(gè)系統(tǒng)分上位機(jī)和下位機(jī)兩部分,下位機(jī)主要采用FPGA加以實(shí)現(xiàn),裂縫圖片信息和定位信息通過(guò)4G傳輸模塊傳輸?shù)缴衔粰C(jī),系統(tǒng)上位機(jī)軟件顯示裂縫圖片、裂縫類型、位置和地圖標(biāo)注等信息。本文完成的主要任務(wù)包括:(1)對(duì)采集的路面圖像在FPGA上做預(yù)處理,并對(duì)Sobel邊緣檢測(cè)算子進(jìn)行了改進(jìn)。根據(jù)現(xiàn)有的圖像預(yù)處理算法,對(duì)采集的裂縫圖...

【文章頁(yè)數(shù)】：90 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 背景意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 章節(jié)安排
第二章 系統(tǒng)方案及其原理
    2.1 系統(tǒng)總體方案
        2.1.1 系統(tǒng)需求分析
        2.1.2 系統(tǒng)總體方案設(shè)計(jì)
    2.2 數(shù)字圖像處理
        2.2.1 數(shù)字圖像處理概述
        2.2.2 裂縫圖像處理
    2.3 北斗定位技術(shù)
    2.4 本章小結(jié)
第三章 硬件系統(tǒng)功能模塊設(shè)計(jì)及其FPGA實(shí)現(xiàn)
    3.1 FPGA及開(kāi)發(fā)平臺(tái)介紹
        3.1.1 FPGA簡(jiǎn)介
        3.1.2 軟件開(kāi)發(fā)平臺(tái)
    3.2 硬件系統(tǒng)整體功能結(jié)構(gòu)
    3.3 圖像數(shù)據(jù)采集
        3.3.1 IIC協(xié)議配置
        3.3.2 圖像數(shù)據(jù)接收
    3.4 裂縫圖像處理
        3.4.1 圖像中值濾波
        3.4.2 改進(jìn)的Sobel邊緣檢測(cè)
        3.4.3 形態(tài)學(xué)膨脹腐蝕
        3.4.4 圖像特征提取與初步分類
    3.5 北斗定位信息提取
    3.6 4G模塊驅(qū)動(dòng)
    3.7 本章小結(jié)
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的裂縫圖像識(shí)別分類實(shí)現(xiàn)
    4.1 圖像識(shí)別分類算法概述
        4.1.1 線性分類算法
        4.1.2 非線性分類算法
        4.1.3 神經(jīng)網(wǎng)絡(luò)分類算法
    4.2 卷積神經(jīng)網(wǎng)絡(luò)
        4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 卷積神經(jīng)網(wǎng)絡(luò)的反向傳播
        4.2.3 卷積神經(jīng)網(wǎng)絡(luò)的經(jīng)典結(jié)構(gòu)
    4.3 基于卷積神經(jīng)網(wǎng)絡(luò)的裂縫圖像識(shí)別分類
        4.3.1 TensorFlow架構(gòu)
        4.3.2 裂縫圖像數(shù)據(jù)集
        4.3.3 訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)
        4.3.4 網(wǎng)絡(luò)評(píng)估
    4.4 本章小結(jié)
第五章 系統(tǒng)測(cè)試結(jié)果分析
    5.1 系統(tǒng)總體硬件結(jié)構(gòu)
    5.2 系統(tǒng)驗(yàn)證結(jié)果分析
        5.2.1 路面裂縫初步識(shí)別
        5.2.2 無(wú)線數(shù)據(jù)通信與上位機(jī)接收
        5.2.3 卷積神經(jīng)網(wǎng)絡(luò)分類結(jié)果分析
    5.3 本章小結(jié)
第六章 工作總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介
攻讀碩士期間所取得的學(xué)術(shù)成果
攻讀碩士學(xué)位期間參與項(xiàng)目情況



本文編號(hào)：3770386