基于改進(jìn)U-net網(wǎng)絡(luò)的橋梁裂縫檢測(cè)方法
發(fā)布時(shí)間：2020-12-23 11:24
隨著我國(guó)對(duì)“一帶一路”經(jīng)濟(jì)紐帶的建設(shè),公路交通等基礎(chǔ)設(shè)施在日益完善,使得橋梁里程數(shù)直線上升,橋梁在長(zhǎng)期的使用中受到自然因素和人為因素的損害,造成橋梁會(huì)出現(xiàn)一些病害,從而使得橋梁的使用年限大大地縮短,國(guó)家經(jīng)濟(jì)遭受巨大損失。但是如果對(duì)橋梁的病害能在早期發(fā)現(xiàn),并進(jìn)行修補(bǔ),則可以延長(zhǎng)橋梁的使用壽命,所以保護(hù)橋梁對(duì)國(guó)家經(jīng)濟(jì)建設(shè)起到很重要的作用。傳統(tǒng)的橋梁裂縫檢測(cè)方法是利用常用的高精度直尺,游標(biāo)卡尺或者測(cè)寬儀等裂縫檢測(cè)工具進(jìn)行人工測(cè)量,這些測(cè)量方法不僅成本高,具有一定的危險(xiǎn)性,而且效率低,漏檢率較高。所以國(guó)內(nèi)外研究者致力于使用數(shù)字圖像處理技術(shù)對(duì)橋梁裂縫圖像進(jìn)行檢測(cè),傳統(tǒng)的橋梁裂縫檢測(cè)算法可以檢測(cè)出橋梁裂縫圖像中的裂縫,但是由于橋梁裂縫圖像背景復(fù)雜,檢測(cè)出裂縫往往帶有大量的噪音像素,造成檢測(cè)的精確度較低。隨著卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展,又出現(xiàn)了基于全卷積神經(jīng)網(wǎng)絡(luò)的橋梁裂縫檢測(cè)方法,這些方法在一定程度上提高了裂縫檢測(cè)精度,但是裂縫邊緣檢測(cè)比較模糊,檢測(cè)結(jié)果還是無(wú)法達(dá)到實(shí)用的需求。橋梁裂縫檢測(cè)的重點(diǎn)和難點(diǎn)是如何提高裂縫檢測(cè)的精度和提升裂縫邊緣細(xì)節(jié)信息的檢測(cè)效果,本文利用基于改進(jìn)的U-net網(wǎng)絡(luò)對(duì)橋梁裂縫進(jìn)行檢測(cè)...
【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】：79 頁(yè)
【學(xué)位級(jí)別】：碩士
【部分圖文】：
橋梁斷裂示意圖
最開始的表現(xiàn)方式是橋梁底面出現(xiàn)裂梁檢測(cè)車站在橋梁底面使用橋梁裂縫采集通過(guò)游標(biāo)卡尺等測(cè)量工具在橋梁地面尋工統(tǒng)計(jì)這些測(cè)量到的數(shù)據(jù)，這種人工測(cè)量低：人工測(cè)量的方法完全是人通過(guò)肉眼，所以檢測(cè)精度很低。高：通過(guò)人肉眼檢測(cè)，出于人的主觀性成漏檢。人工檢測(cè)需要通過(guò)專業(yè)設(shè)備，設(shè)備費(fèi)用高：由于是人工在橋梁底面作業(yè)，距離人身安全問題。：人工在橋梁底面檢測(cè)裂縫時(shí)，橋梁上工操作，進(jìn)而影響人身安全。
2.2 卷積神經(jīng)網(wǎng)絡(luò)2.2.1 深度學(xué)習(xí)概述深度學(xué)習(xí)[21]經(jīng)歷了 3 次變革，分別是控制論時(shí)代，聯(lián)結(jié)主義時(shí)代和現(xiàn)代時(shí)代。受到大腦神經(jīng)元的啟發(fā)，控制論時(shí)代提出了感知機(jī)（如圖 2.1 感知機(jī)示），感知機(jī)是一個(gè)線性模型，可以解決分類問題。聯(lián)結(jié)時(shí)代提出了淺層神經(jīng)圖 2.2 淺層神經(jīng)網(wǎng)絡(luò)示意圖所示），可以很容易地解決 XOR 問題。這段時(shí)期，指出了利用 BP 算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，可以達(dá)到學(xué)習(xí)特征的目的。1989 年，正式提出了卷積神經(jīng)網(wǎng)絡(luò)來(lái)解決手寫體識(shí)別，由于這一時(shí)期數(shù)據(jù)集規(guī)模和算小，使得深度學(xué)習(xí)研究進(jìn)入了低谷。直到 2012 年，AlexNet[22]第一次直接通播訓(xùn)練得到深層 CNN 模型，且效果遠(yuǎn)遠(yuǎn)超過(guò)了其他方法，由此拉開了現(xiàn)代的大幕，此時(shí)的訓(xùn)練數(shù)據(jù)集與算力已經(jīng)提升成千上萬(wàn)倍。深度學(xué)習(xí)發(fā)展至今計(jì)算機(jī)視覺等領(lǐng)域解決了日益復(fù)雜的問題，并且精度也有了顯著的提高。
【參考文獻(xiàn)】：
碩士論文
[1]基于圖像處理的路面裂縫自動(dòng)檢測(cè)技術(shù)研究[D]. 曹佳煜.長(zhǎng)安大學(xué) 2014
本文編號(hào)：2933633
【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】：79 頁(yè)
【學(xué)位級(jí)別】：碩士
【部分圖文】：
橋梁斷裂示意圖
最開始的表現(xiàn)方式是橋梁底面出現(xiàn)裂梁檢測(cè)車站在橋梁底面使用橋梁裂縫采集通過(guò)游標(biāo)卡尺等測(cè)量工具在橋梁地面尋工統(tǒng)計(jì)這些測(cè)量到的數(shù)據(jù)，這種人工測(cè)量低：人工測(cè)量的方法完全是人通過(guò)肉眼，所以檢測(cè)精度很低。高：通過(guò)人肉眼檢測(cè)，出于人的主觀性成漏檢。人工檢測(cè)需要通過(guò)專業(yè)設(shè)備，設(shè)備費(fèi)用高：由于是人工在橋梁底面作業(yè)，距離人身安全問題。：人工在橋梁底面檢測(cè)裂縫時(shí)，橋梁上工操作，進(jìn)而影響人身安全。
2.2 卷積神經(jīng)網(wǎng)絡(luò)2.2.1 深度學(xué)習(xí)概述深度學(xué)習(xí)[21]經(jīng)歷了 3 次變革，分別是控制論時(shí)代，聯(lián)結(jié)主義時(shí)代和現(xiàn)代時(shí)代。受到大腦神經(jīng)元的啟發(fā)，控制論時(shí)代提出了感知機(jī)（如圖 2.1 感知機(jī)示），感知機(jī)是一個(gè)線性模型，可以解決分類問題。聯(lián)結(jié)時(shí)代提出了淺層神經(jīng)圖 2.2 淺層神經(jīng)網(wǎng)絡(luò)示意圖所示），可以很容易地解決 XOR 問題。這段時(shí)期，指出了利用 BP 算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，可以達(dá)到學(xué)習(xí)特征的目的。1989 年，正式提出了卷積神經(jīng)網(wǎng)絡(luò)來(lái)解決手寫體識(shí)別，由于這一時(shí)期數(shù)據(jù)集規(guī)模和算小，使得深度學(xué)習(xí)研究進(jìn)入了低谷。直到 2012 年，AlexNet[22]第一次直接通播訓(xùn)練得到深層 CNN 模型，且效果遠(yuǎn)遠(yuǎn)超過(guò)了其他方法，由此拉開了現(xiàn)代的大幕，此時(shí)的訓(xùn)練數(shù)據(jù)集與算力已經(jīng)提升成千上萬(wàn)倍。深度學(xué)習(xí)發(fā)展至今計(jì)算機(jī)視覺等領(lǐng)域解決了日益復(fù)雜的問題，并且精度也有了顯著的提高。
【參考文獻(xiàn)】：
碩士論文
[1]基于圖像處理的路面裂縫自動(dòng)檢測(cè)技術(shù)研究[D]. 曹佳煜.長(zhǎng)安大學(xué) 2014
本文編號(hào)：2933633
本文鏈接：http://www.sikaile.net/kejilunwen/daoluqiaoliang/2933633.html
最近更新
教材專著
