本文關(guān)鍵詞： 預(yù)制構(gòu)件 裂縫檢測(cè) 中值濾波 圖像分割　出處：《西安建筑科技大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：裝配式建筑具有施工速度快、質(zhì)量穩(wěn)定可靠、節(jié)能環(huán)保等優(yōu)點(diǎn),在我國(guó)得到快速的發(fā)展。混凝土預(yù)制構(gòu)件是裝配式建筑的重要組成部分,當(dāng)混凝土預(yù)制構(gòu)件出現(xiàn)寬度大于0.2 mm的裂縫時(shí)將會(huì)嚴(yán)重影響到裝配式建筑的工程質(zhì)量。目前對(duì)于裂縫的檢測(cè)主要采用人工方法,不僅效率低下而且檢測(cè)精度不高。為改善當(dāng)前現(xiàn)狀,研究了一種基于數(shù)字圖像處理技術(shù)的混凝土預(yù)制構(gòu)件裂縫檢方法,此方法能有效的對(duì)裂縫進(jìn)行檢測(cè)。針對(duì)裂縫圖像在采集過(guò)程中易受外界環(huán)境影響產(chǎn)生圖像對(duì)比度較弱、模糊等缺陷以及圖像分割算法對(duì)裂縫檢測(cè)精度具有重要影響,重點(diǎn)對(duì)裂縫圖像分割算法進(jìn)行了研究。首先采用灰度化、灰度增強(qiáng)、及自適應(yīng)中值濾波對(duì)裂縫圖像進(jìn)行預(yù)處理以減弱上述缺陷的影響。然后采用脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)實(shí)現(xiàn)裂縫圖像的分割,針對(duì)PCNN模型存在不穩(wěn)定性,利用遺傳算法和最小誤差準(zhǔn)則對(duì)脈沖耦合神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了改進(jìn),并結(jié)合裂縫的幾何形態(tài)特征實(shí)現(xiàn)圖像中裂縫的識(shí)別。最后計(jì)算已識(shí)別裂縫的長(zhǎng)度和平均寬度。結(jié)合上述裂縫檢測(cè)方法,設(shè)計(jì)了混凝土預(yù)制構(gòu)件裂縫檢測(cè)系統(tǒng),通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的可行性和有效性。
[Abstract]:Prefabricated building has the advantages of fast construction speed, stable and reliable quality, energy saving and environmental protection, and has been developed rapidly in China. The concrete prefabricated component is an important part of prefabricated building. When cracks with width greater than 0.2 mm appear in concrete prefabricated members, the engineering quality of prefabricated buildings will be seriously affected. At present, manual methods are mainly used to detect cracks. In order to improve the present situation, a crack detection method for concrete prefabricated components based on digital image processing technology is studied. This method can detect cracks effectively, aiming at the weak contrast of images caused by external environment, blur and image segmentation algorithm have an important impact on the accuracy of crack detection. The algorithm of crack image segmentation is studied in detail. Firstly, grayscale is used to enhance the intensity of the image. And adaptive median filter is used to preprocess the crack image in order to reduce the influence of the above defects. Then the pulse coupled neural network (PCNN) is used to segment the crack image. Aiming at the instability of the PCNN model, Using genetic algorithm and minimum error criterion, the pulse coupling neural network model is improved. Finally, the length and average width of the identified cracks are calculated. Combined with the above crack detection methods, the crack detection system of concrete prefabricated member is designed. The feasibility and effectiveness of the algorithm are verified by experiments.
【學(xué)位授予單位】：西安建筑科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TU528;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張先帥;陳新;楊淘;張園園;;遺傳算法在大壩安全監(jiān)測(cè)模型中的應(yīng)用[J];水利水電技術(shù);2016年11期

2 陳瑤;梅濤;王曉杰;李峰;劉彥偉;;基于爬壁機(jī)器人的橋梁裂縫圖像檢測(cè)與分類(lèi)方法[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2016年09期

3 齊寶庫(kù);朱婭;馬博;劉帥;;裝配式建筑綜合效益分析方法研究[J];施工技術(shù);2016年04期

4 劉娜;宋偉東;趙泉華;;形態(tài)學(xué)和最大熵圖像分割的城市路面裂縫檢測(cè)[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期

5 齊寶庫(kù);李長(zhǎng)福;;裝配式建筑施工質(zhì)量評(píng)估指標(biāo)體系的建立與評(píng)估方法研究[J];施工技術(shù);2014年15期

6 王耀東;余祖俊;白彪;許西寧;朱力強(qiáng);;基于圖像處理的地鐵隧道裂縫識(shí)別算法研究[J];儀器儀表學(xué)報(bào);2014年07期

7 張興龍;;裝配整體式混凝土結(jié)構(gòu)預(yù)制構(gòu)件常見(jiàn)質(zhì)量通病與防治[J];安徽建筑;2014年03期

8 周東國(guó);高潮;郭永彩;;一種參數(shù)自適應(yīng)的簡(jiǎn)化PCNN圖像分割方法[J];自動(dòng)化學(xué)報(bào);2014年06期

9 拜穎乾;;圖像分割閾值選取方法的研究[J];信息系統(tǒng)工程;2014年02期

10 嚴(yán)文培;;基于MatLab不同平滑處理對(duì)邊緣檢測(cè)效果的影響[J];現(xiàn)代計(jì)算機(jī);2013年25期

相關(guān)博士學(xué)位論文 前2條

1 李建鋒;脈沖耦合神經(jīng)網(wǎng)絡(luò)在圖像處理中的應(yīng)用研究[D];中南大學(xué);2013年

2 楊娜;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的車(chē)輛圖像分割研究[D];北京交通大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉小燕;基于數(shù)字圖像處理的混凝土橋梁底面裂縫的檢測(cè)[D];武漢理工大學(xué);2014年

2 賀華;建筑工程混凝土裂縫智能監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn)[D];電子科技大學(xué);2013年

3 王俊杰;基于機(jī)器視覺(jué)的橋梁檢測(cè)多足爬壁機(jī)器人橋壁狀態(tài)檢測(cè)[D];華南理工大學(xué);2013年

4 岳鵬德;基于圖嵌入的圖匹配算法研究[D];西安建筑科技大學(xué);2013年

5 陳紹磊;混凝土裂縫特征信息識(shí)別與辨析研究[D];中南大學(xué);2013年

6 蔣磊;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像分割算法研究[D];東北大學(xué);2012年

7 蔡光明;高速鐵路橋梁底面裂縫的視頻檢測(cè)系統(tǒng)研究[D];北京交通大學(xué);2011年

8 韓光;基于PCNN的圖像細(xì)化算法研究與實(shí)踐[D];廣東工業(yè)大學(xué);2011年

9 曾艷霞;混凝土裂縫特征信息識(shí)別研究[D];中南大學(xué);2011年

10 張國(guó)旗;基于圖像處理的混凝土橋梁底面裂縫檢測(cè)方法的研究[D];北京交通大學(xué);2010年

，

本文編號(hào)：1531888