隨著經(jīng)濟(jì)的發(fā)展,我國(guó)的公路橋梁數(shù)量逐年增多,隨之而來(lái)的是巨大的橋梁養(yǎng)護(hù)工作,而橋梁支座是橋梁的重要構(gòu)件,一旦出現(xiàn)病害,會(huì)影響橋梁結(jié)構(gòu)的受力狀態(tài)甚至交通安全,所以橋梁支座的檢測(cè)是橋梁養(yǎng)護(hù)工作中不可缺少的環(huán)節(jié),而現(xiàn)行橋梁支座的檢測(cè)主要是通過(guò)人工檢測(cè),這種方法耗時(shí)、費(fèi)力而且會(huì)影響交通,一些建在深山、海上的橋梁很難通過(guò)人工檢測(cè)的方法實(shí)現(xiàn),且很難保證橋梁檢測(cè)人員的安全。隨著互聯(lián)網(wǎng),大數(shù)據(jù)和人工智能的迅速發(fā)展,許多危險(xiǎn)和重復(fù)性的工作正在逐漸的被機(jī)器取代,基于深度學(xué)習(xí)的圖像識(shí)別技術(shù)也在許多領(lǐng)域得到了應(yīng)用,這為橋梁支座的檢測(cè)帶來(lái)了新的機(jī)遇。本文基于深度學(xué)習(xí)及圖像處理技術(shù)開展了橋梁支座病害自動(dòng)識(shí)別的研究,完成的研究工作如下:（1）對(duì)橋梁支座檢測(cè)的現(xiàn)狀進(jìn)行了綜述,總結(jié)歸納了橋梁板式橡膠支座的主要功能、支座病害的分類、支座病害產(chǎn)生的原因以及支座病害評(píng)定方法等;（2）針對(duì)橋梁橡膠支座圖像的特點(diǎn),在保證橋梁支座圖像的病害特征不發(fā)生變化的前提下,用圖像處理的手段實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)庫(kù)的擴(kuò)增,圖像處理的方法主要包括圖像的水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、逆時(shí)針旋轉(zhuǎn)、順時(shí)針旋轉(zhuǎn)和用主成分分析算法調(diào)整圖像的顏色通道等,并借助Python程序... 

【文章來(lái)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(yè)數(shù)】：97 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

單層感知機(jī)

公路橋梁的養(yǎng)護(hù)工作主要還是通過(guò)人工完成且需要借助大型的輔助設(shè)備，常見(jiàn)的輔助設(shè)備包括吊籃平臺(tái)、桁架式檢測(cè)平臺(tái)及高空作業(yè)平臺(tái)。圖1-2 橋檢車輔助的人工檢測(cè)(a) (b)(c)

從粗糙的橋梁表面檢測(cè)出裂縫比較困難，但是JeongHoLee 等人提出的機(jī)器視覺(jué)系統(tǒng)可以實(shí)時(shí)的檢測(cè)裂縫，圖1-3 為該系統(tǒng)的示意圖，Jeong Ho Lee 等人用100 張含有噪聲的圖像對(duì)該機(jī)器視覺(jué)系統(tǒng)進(jìn)行測(cè)試，結(jié)果表明在準(zhǔn)確性上，該系統(tǒng)優(yōu)于傳統(tǒng)的方法。圖1-3 橋梁檢測(cè)系統(tǒng)示意圖2012 年，日本東京大學(xué)的 Takafumi Nishikawa 和 Yozo Fujino 與日本山梨大學(xué)的 JunjiYoshida & Toshiyuki Sugiyama 等人研究了運(yùn)用一系列連續(xù)的圖像濾波算子檢測(cè)混凝土裂縫的方法[16]，包括運(yùn)用通用編程的方法構(gòu)建圖像濾波算子和對(duì)裂縫區(qū)域重復(fù)的使用濾波算子后消除殘余的噪聲，文中對(duì)裂縫寬度的預(yù)測(cè)取得了較好的效果。2015 年，美國(guó)普渡大學(xué)的 Chul Min Yeum 和 Shirley J. Dyke 開展了基于視覺(jué)的橋梁裂縫自動(dòng)檢測(cè)的研究[17]，文中提供的檢測(cè)手段對(duì)圖像采集的角度和相機(jī)的位置均沒(méi)有要求而且不需要前期的校準(zhǔn)

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的路表病害識(shí)別與測(cè)量[J]. 沙愛(ài)民,童崢,高杰.  中國(guó)公路學(xué)報(bào). 2018(01)
[2]基于人工智能與智能手機(jī)的混凝土裂紋檢測(cè)[J]. 趙雪峰,李生元,歐進(jìn)萍.  物聯(lián)網(wǎng)技術(shù). 2017(08)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像艦船目標(biāo)檢測(cè)[J]. 黃潔,姜志國(guó),張浩鵬,姚遠(yuǎn).  北京航空航天大學(xué)學(xué)報(bào). 2017(09)
[4]Python在科學(xué)計(jì)算中的應(yīng)用[J]. 姚建盛,李淑梅.  數(shù)字技術(shù)與應(yīng)用. 2016(11)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的植物葉片分類[J]. 龔丁禧,曹長(zhǎng)榮.  計(jì)算機(jī)與現(xiàn)代化. 2014(04)
[6]一種基于新插值方法的圖像旋轉(zhuǎn)算法[J]. 康牧,凌鳳彩.  計(jì)算機(jī)科學(xué). 2013(05)
[7]主成分分析法及其應(yīng)用[J]. 蘇鍵,陳軍,何潔.  輕工科技. 2012(09)
[8]基于OpenCV庫(kù)的C語(yǔ)言編程學(xué)習(xí)方法[J]. 汪沛.  電氣電子教學(xué)學(xué)報(bào). 2012(04)
[9]基于OpenCV的圖像處理[J]. 秦小文,溫志芳,喬維維.  電子測(cè)試. 2011(07)
[10]圖像旋轉(zhuǎn)算法的分析與對(duì)比[J]. 王濱海,許正飛,陳西廣,張海龍,邵瑞雪.  光學(xué)與光電技術(shù). 2011(02)

碩士論文
[1]基于圖像處理的鐵路混凝土橋梁裂縫探測(cè)和信息獲取[D]. 張登峰.北京交通大學(xué) 2014
[2]基于數(shù)字圖像處理技術(shù)的路面裂縫檢測(cè)算法研究[D]. 胡世昆.南京郵電大學(xué) 2012



本文編號(hào)：3242156