隨著時(shí)間的增長(zhǎng),自然災(zāi)害的侵蝕及人為的破壞,混凝土道路將會(huì)出現(xiàn)嚴(yán)重的病害進(jìn)而影響到出行安全。裂縫是混凝土公路病害的早期表現(xiàn)形式,智能裂縫檢測(cè)方法可以避免人工檢測(cè)帶來的檢測(cè)效率低、周期長(zhǎng)、成本高的問題,是目前裂縫領(lǐng)域的熱點(diǎn)。因此,快速智能的裂縫檢測(cè)方法研究,具有一定的研究意義和應(yīng)用價(jià)值。本文研究了國(guó)內(nèi)外混凝土路面裂縫檢測(cè)算法及其存在的優(yōu)缺點(diǎn),通過對(duì)裂縫特征與技術(shù)難點(diǎn)問題進(jìn)行分析,針對(duì)現(xiàn)有裂縫檢測(cè)算法的不足,提出了改進(jìn)的檢測(cè)方法,本文的主要研究工作包括:1.使用微調(diào)的LeNet-5模型對(duì)裂縫圖像進(jìn)行分類。智能裂縫采集車獲得的圖像是一組連續(xù)的圖像集,圖像中含有真實(shí)裂縫的圖像為有效裂縫圖像,而這部分有效裂縫圖像占總的圖像集的比例是非常小的,如果對(duì)圖像集中的每一幅圖像進(jìn)行檢測(cè),就會(huì)花費(fèi)大量時(shí)間。針對(duì)該問題,設(shè)置具五類圖像數(shù)據(jù)集（偽裂縫、裂縫、植物、完整表面、人工劃痕）,通過訓(xùn)練微調(diào)的LeNet-5模型,識(shí)別出其中的有效裂縫圖像,減少裂縫檢測(cè)的時(shí)間開銷。2.修改Richer Convolutional Features（RCF）網(wǎng)絡(luò)結(jié)構(gòu),提高裂縫檢測(cè)準(zhǔn)確性。RCF模型在檢測(cè)裂縫圖像時(shí),出現(xiàn)裂縫圖像... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

混凝土超聲波檢測(cè)儀

重慶郵電大學(xué)碩士學(xué)位論文第2章裂縫分析技術(shù)8此時(shí)的混凝土內(nèi)部結(jié)構(gòu)還未形成嚴(yán)重病害。網(wǎng)狀裂縫分為龜裂裂縫、塊狀裂縫，該類裂縫破壞性較強(qiáng)，造成的破壞面積更大，形狀呈網(wǎng)狀生長(zhǎng)，往往由于簡(jiǎn)單裂縫沒有及時(shí)得到修護(hù)造成，此類裂縫已經(jīng)嚴(yán)重影響到了道路的使用壽命和行車安全。干擾裂縫主要是裂縫出現(xiàn)在道路標(biāo)識(shí)線、植物等附近，給裂縫識(shí)別帶來了一定影響。當(dāng)裂縫形狀特征差異較大時(shí)，裂縫特征將會(huì)表現(xiàn)出差異性，在使用基于圖像的裂縫檢測(cè)算法時(shí)，將加大裂縫特征提取難度，使用邊緣檢測(cè)對(duì)干擾裂縫進(jìn)行檢測(cè)時(shí)，該方法對(duì)于裂縫圖像中干擾物體的邊緣往往不能區(qū)分，因此經(jīng)典的裂縫檢測(cè)方法有很大的局限性。(a)線性裂縫(b)網(wǎng)狀裂縫(c)干擾裂縫圖2.1不同類型的裂縫2.灰度特征。在裂縫圖像中，裂縫像素與背景區(qū)域像素相比，背景區(qū)域灰度值顯然要高于裂縫區(qū)域灰度值。且在同一幅圖像中，裂縫區(qū)域的灰度值都比較低，背景區(qū)域灰度值都比較高，裂縫區(qū)域和背景區(qū)域的灰度值有明顯的差別。根據(jù)裂縫灰度特征，經(jīng)典的閾值分割方法能夠容易的對(duì)裂縫圖像進(jìn)行分割，但是部分裂縫圖像中還存在陰影、光照、污跡等干擾因素，特別是污跡和陰影等干擾因素和裂縫具有相同的灰度特征，該方法不能很好區(qū)分裂縫和這些干擾因素，在復(fù)雜多噪音的情況下存在很大的局限性。

重慶郵電大學(xué)碩士學(xué)位論文第2章裂縫分析技術(shù)8此時(shí)的混凝土內(nèi)部結(jié)構(gòu)還未形成嚴(yán)重病害。網(wǎng)狀裂縫分為龜裂裂縫、塊狀裂縫，該類裂縫破壞性較強(qiáng)，造成的破壞面積更大，形狀呈網(wǎng)狀生長(zhǎng)，往往由于簡(jiǎn)單裂縫沒有及時(shí)得到修護(hù)造成，此類裂縫已經(jīng)嚴(yán)重影響到了道路的使用壽命和行車安全。干擾裂縫主要是裂縫出現(xiàn)在道路標(biāo)識(shí)線、植物等附近，給裂縫識(shí)別帶來了一定影響。當(dāng)裂縫形狀特征差異較大時(shí)，裂縫特征將會(huì)表現(xiàn)出差異性，在使用基于圖像的裂縫檢測(cè)算法時(shí)，將加大裂縫特征提取難度，使用邊緣檢測(cè)對(duì)干擾裂縫進(jìn)行檢測(cè)時(shí)，該方法對(duì)于裂縫圖像中干擾物體的邊緣往往不能區(qū)分，因此經(jīng)典的裂縫檢測(cè)方法有很大的局限性。(a)線性裂縫(b)網(wǎng)狀裂縫(c)干擾裂縫圖2.1不同類型的裂縫2.灰度特征。在裂縫圖像中，裂縫像素與背景區(qū)域像素相比，背景區(qū)域灰度值顯然要高于裂縫區(qū)域灰度值。且在同一幅圖像中，裂縫區(qū)域的灰度值都比較低，背景區(qū)域灰度值都比較高，裂縫區(qū)域和背景區(qū)域的灰度值有明顯的差別。根據(jù)裂縫灰度特征，經(jīng)典的閾值分割方法能夠容易的對(duì)裂縫圖像進(jìn)行分割，但是部分裂縫圖像中還存在陰影、光照、污跡等干擾因素，特別是污跡和陰影等干擾因素和裂縫具有相同的灰度特征，該方法不能很好區(qū)分裂縫和這些干擾因素，在復(fù)雜多噪音的情況下存在很大的局限性。

【參考文獻(xiàn)】：
期刊論文
[1]融合圖卷積網(wǎng)絡(luò)模型的無監(jiān)督社區(qū)檢測(cè)算法[J]. 姜東明,楊火根.  計(jì)算機(jī)工程與應(yīng)用. 2020(20)
[2]半監(jiān)督學(xué)習(xí)研究的述評(píng)[J]. 韓嵩,韓秋弘.  計(jì)算機(jī)工程與應(yīng)用. 2020(06)
[3]基于AVX2指令集的深度學(xué)習(xí)混合運(yùn)算策略[J]. 蔣文斌,王宏斌,劉湃,陳雨浩.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(05)
[4]基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別方法[J]. 張珂,侯捷.  科學(xué)技術(shù)與工程. 2020(01)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的混凝土路面裂縫檢測(cè)[J]. 王麗蘋,高瑞貞,張京軍,王二成.  計(jì)算機(jī)科學(xué). 2019(S2)
[6]基于神經(jīng)網(wǎng)絡(luò)的無人機(jī)拍攝圖像識(shí)別[J]. 趙琪,孫立雙,袁陽.  中國(guó)科技論文. 2019(11)
[7]基于四旋翼無人機(jī)的橋梁裂縫檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 徐昊,彭雪村,盧志芳.  水利水運(yùn)工程學(xué)報(bào). 2018(01)
[8]利用高精度三維測(cè)量技術(shù)進(jìn)行路面破損檢測(cè)[J]. 李清泉,鄒勤,張德津.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(11)
[9]結(jié)合路面深度影像梯度方向直方圖和分水嶺算法的裂縫檢測(cè)[J]. 靳華中,萬方,葉志偉.  華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[10]形態(tài)學(xué)與區(qū)域延伸相結(jié)合的圖像裂縫檢測(cè)算法研究[J]. 瞿中,林麗丹,郭陽.  計(jì)算機(jī)科學(xué). 2014(11)

碩士論文
[1]基于無人機(jī)視覺的大型建筑物表面裂縫檢測(cè)技術(shù)研究[D]. 吳生宇.廣西大學(xué) 2019
[2]基于結(jié)構(gòu)光的路面裂縫檢測(cè)關(guān)鍵技術(shù)研究[D]. 朱春省.南京航空航天大學(xué) 2017
[3]基于圖像分析的路面裂縫檢測(cè)方法與識(shí)別研究[D]. 姜吉榮.南京郵電大學(xué) 2016
[4]改進(jìn)滲流模型的混凝土路面圖像裂縫檢測(cè)算法研究[D]. 郭陽.重慶郵電大學(xué) 2016
[5]超聲波在混凝土裂縫檢測(cè)中的物理模擬研究[D]. 李陽.西南交通大學(xué) 2016
[6]瑞利面波檢測(cè)混凝土裂縫的方法研究[D]. 陳曉峰.長(zhǎng)江大學(xué) 2014



本文編號(hào)：3365095