混凝土在公路、橋梁等交通基礎(chǔ)設(shè)施的建設(shè)中發(fā)揮著非常重要的作用。然而,隨著這些設(shè)施使用時(shí)間的推移,以及雨雪災(zāi)害、材料老化等眾多因素的影響,這些混凝土結(jié)構(gòu)的設(shè)施不可避免的會(huì)出現(xiàn)不同程度的損傷,而在這些損傷中,裂縫是最常見也是最嚴(yán)重的病害,及時(shí)有效地檢測(cè)出這些裂縫對(duì)于后期的養(yǎng)護(hù)具有重要意義。傳統(tǒng)的混凝土裂縫圖像檢測(cè)主要是人工檢測(cè),該過(guò)程不僅檢測(cè)效率低下并且需要投入大量的人力和物力。隨著人們對(duì)裂縫檢測(cè)技術(shù)的不斷研究,基于圖像處理的檢測(cè)方法由于具有操作簡(jiǎn)單、檢測(cè)效率高等優(yōu)點(diǎn),受到了人們的廣泛關(guān)注。但是,基于傳統(tǒng)數(shù)字圖像處理的混凝土裂縫圖像檢測(cè)技術(shù)大多數(shù)是針對(duì)特定場(chǎng)景設(shè)計(jì)的,一旦場(chǎng)景發(fā)生變化,其檢測(cè)結(jié)果往往不盡人意。針對(duì)傳統(tǒng)圖像處理技術(shù)對(duì)混凝土裂縫圖像分割效果不佳、泛化能力較弱等問(wèn)題,本文深入研究了基于卷積神經(jīng)網(wǎng)絡(luò)的混凝土裂縫圖像分割算法,設(shè)計(jì)了以ResNet101為主干網(wǎng)絡(luò)的端到端分割模型。其融合了更多的低層特征,使得裂縫分割結(jié)果更加精細(xì)。為了更加接近實(shí)際應(yīng)用場(chǎng)景,與其他方法相比,本文的算法具有更高的檢測(cè)精度和泛化能力。在實(shí)際工程應(yīng)用中,人們通常采用毫米、厘米等米制單位來(lái)量化裂縫,而圖像中使用的... 

【文章來(lái)源】：西安理工大學(xué)陜西省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

混凝土表面裂縫Fig.1-1Cracksontheconcretesurface

西安理工大學(xué)碩士學(xué)位論文2新的高效且無(wú)損的裂縫檢測(cè)方法來(lái)替代傳統(tǒng)的人工檢測(cè)。圖1-1混凝土表面裂縫圖1-2橋梁檢測(cè)車Fig.1-1CracksontheconcretesurfaceFig.1-2Bridgeinspectionvehicle近些年來(lái)，隨著相機(jī)技術(shù)的成熟以及計(jì)算機(jī)視覺技術(shù)的蓬勃發(fā)展，基于圖像處理的無(wú)損化裂縫檢測(cè)技術(shù)越來(lái)越受到人們的歡迎。該種方法無(wú)需人工近距離接觸式檢測(cè)，而是依靠人們?cè)O(shè)計(jì)好的圖像處理算法來(lái)對(duì)拍攝到的裂縫圖像進(jìn)行檢測(cè)分析，最終得到檢測(cè)結(jié)果。該技術(shù)由于操作容易、檢測(cè)效率高等優(yōu)點(diǎn)得到了人們的廣泛認(rèn)可，目前已經(jīng)成為了國(guó)內(nèi)外裂縫檢測(cè)的重點(diǎn)研究方向。隨著科研人員們更進(jìn)一步的研究，許多新的算法也不斷的應(yīng)用到裂縫檢測(cè)中來(lái)。1.2國(guó)內(nèi)外研究現(xiàn)狀如今，裂縫檢測(cè)技術(shù)已經(jīng)相對(duì)具有了一些系統(tǒng)的、有針對(duì)性的研究方法，尤其是基于數(shù)字圖像處理的方法。現(xiàn)階段，基于數(shù)字圖像處理的裂縫檢測(cè)方法主要可分為兩大類，一類是基于傳統(tǒng)數(shù)字圖像處理的裂縫檢測(cè)方法，另一類則是基于深度學(xué)習(xí)的裂縫檢測(cè)方法。下面將分別來(lái)介紹這兩類裂縫檢測(cè)方法的研究現(xiàn)狀。1.2.1基于傳統(tǒng)數(shù)字圖像處理的裂縫檢測(cè)基于傳統(tǒng)數(shù)字圖像處理的裂縫檢測(cè)方法有很多，其中閾值分割算法因其計(jì)算速度快、實(shí)現(xiàn)容易，成為了裂縫檢測(cè)中最基本、最常用的方法。王瑋華[5]提出了利用灰度直方圖谷底來(lái)確定閾值，以此來(lái)實(shí)現(xiàn)對(duì)裂縫圖像分割，但是這種方法對(duì)圖像背景要求比較嚴(yán)格，實(shí)用性不高。朱鑫等[6]將梯度信息與Otsu[7]方法相結(jié)合起來(lái)，能夠?qū)α芽p圖像實(shí)現(xiàn)了較好的分割效果，但是該方法只適用于背景單一并且噪音較少的圖像，如果圖像背景中存在較多干擾時(shí)，則分割效果往往不盡人意。韓亞[8]提出了基于改進(jìn)的Niblack[9]裂縫圖像檢測(cè)算法，其采用基于滑動(dòng)窗口的動(dòng)態(tài)閾值分割方法，以每個(gè)小窗

常用

【參考文獻(xiàn)】：
期刊論文
[1]基于OkHttp的文件傳輸設(shè)計(jì)與實(shí)現(xiàn)[J]. 李群.  電子技術(shù)與軟件工程. 2018(13)
[2]一種改進(jìn)的用于裂縫圖像分割的Otsu方法[J]. 朱鑫,漆泰岳,王睿,李濤.  地下空間與工程學(xué)報(bào). 2017(S1)
[3]圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動(dòng)化學(xué)報(bào). 2016(09)
[4]基于立體視覺的橋梁裂縫自動(dòng)檢測(cè)系統(tǒng)研究[J]. 張開洪,羅林,顏禹.  重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(05)
[5]基于圖像處理的橋梁裂縫檢測(cè)技術(shù)[J]. 尹冠生,趙振宇,徐兵.  四川建筑科學(xué)研究. 2013(02)
[6]基于圖像處理技術(shù)的混凝土路面裂縫檢測(cè)方法[J]. 郭全民,張海先.  傳感器與微系統(tǒng). 2013(04)
[7]淺談混凝土橋梁裂縫的成因與控制措施[J]. 邢煜波.  黑龍江科技信息. 2012(06)
[8]基于圖像處理的瀝青路面裂縫測(cè)量算法研究[J]. 伯紹波,閆茂德,何靚俊,賀昱曜.  計(jì)算機(jī)測(cè)量與控制. 2007(10)

碩士論文
[1]基于無(wú)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]基于計(jì)算機(jī)視覺的混凝土裂縫檢測(cè)算法研究[D]. 沈俊凱.中國(guó)地震局工程力學(xué)研究所 2019
[3]基于Flask技術(shù)的分布式Android產(chǎn)品驗(yàn)證系統(tǒng)[D]. 陳一欣.電子科技大學(xué) 2019
[4]基于深度學(xué)習(xí)的橋梁裂縫檢測(cè)算法研究[D]. 馬衛(wèi)飛.陜西師范大學(xué) 2018
[5]基于深度學(xué)習(xí)的橋梁裂縫檢測(cè)算法研究[D]. 寇瀟.西安電子科技大學(xué) 2017
[6]基于改進(jìn)Niblack及Radon相關(guān)技術(shù)的復(fù)雜路面裂縫圖像檢測(cè)與算法評(píng)價(jià)[D]. 韓亞.長(zhǎng)安大學(xué) 2016
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究[D]. 謝寶劍.合肥工業(yè)大學(xué) 2015



本文編號(hào)：3431174