混凝土橋梁耐久性差、服務(wù)壽命短及全壽命經(jīng)濟性指標低等問題已成為普遍難題,因此,對在役橋梁結(jié)構(gòu)性能評估的研究十分緊迫并具有現(xiàn)實意義�；炷翗蛄航Y(jié)構(gòu)的初期損傷與破壞,首先都是在梁體結(jié)構(gòu)中出現(xiàn)可見裂縫,而裂縫的出現(xiàn)及不斷擴展將直接影響橋梁的整體性能。因此,對混凝土橋梁進行健康評估首先從裂縫的檢測入手。本文以混凝土橋梁裂縫為研究對象,提出基于全卷積神經(jīng)網(wǎng)絡(luò)的混凝土表面裂縫識別方法,自動提取和計算混凝土裂縫的長度及寬度物理值,為在役橋梁結(jié)構(gòu)安全和穩(wěn)定性評估提供精確可靠的數(shù)據(jù)支持。(1)本文首先從混凝土橋梁結(jié)構(gòu)裂縫的危害、成因和分類方法入手,對裂縫的物理特性進行分類研究,利用機器學(xué)習和深度學(xué)習中的經(jīng)典算法對混凝土表面裂縫進行識別和分割。同時,設(shè)計復(fù)雜環(huán)境下混凝土橋梁底部裂縫圖像采集系統(tǒng),對采集的裂縫圖像進行人工準確標記,為深度學(xué)習網(wǎng)絡(luò)模型的訓(xùn)練準備數(shù)據(jù)集。(2)采用隨機結(jié)構(gòu)森林和卷積神經(jīng)網(wǎng)絡(luò)(CNN)經(jīng)典機器學(xué)習算法進行裂縫檢測。為了驗證裂縫預(yù)測準確性,將裂縫識別結(jié)果與人工標記裂縫進行比較,并從識別精度和識別速度上分析比較傳統(tǒng)算法的優(yōu)缺點。在裂縫圖像上尋找最優(yōu)的檢測算法。(3)以隨機結(jié)構(gòu)森林和卷積...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 混凝土橋梁裂縫檢測的發(fā)展及現(xiàn)狀
        1.2.2 深度學(xué)習的發(fā)展及現(xiàn)狀
        1.2.3 深度學(xué)習算法在橋梁裂縫自動識別中的最新進展
    1.3 論文的研究內(nèi)容及結(jié)構(gòu)安排
第二章 混凝土橋梁底部裂縫圖像獲取與標記
    2.1 混凝土橋梁底部裂縫分析
    2.2 混凝土表面裂縫圖像采集系統(tǒng)設(shè)計
    2.3 混凝土橋梁底部裂縫圖像分析
    2.4 混凝土橋梁底部裂縫數(shù)據(jù)標記
        2.4.1 標記隨機結(jié)構(gòu)森林的裂縫樣本
        2.4.2 標記卷積網(wǎng)絡(luò)的裂縫樣本
        2.4.3 標記全卷積網(wǎng)絡(luò)的裂縫樣本
    2.5 混凝土橋梁底部裂縫數(shù)據(jù)集的準備
        2.5.1 隨機結(jié)構(gòu)森林數(shù)據(jù)集準備
        2.5.2 卷積神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集準備
        2.5.3 全卷積神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集準備
    2.6 本章小結(jié)
第三章 基于機器學(xué)習算法的混凝土裂縫自動識別
    3.1 基于隨機結(jié)構(gòu)森林裂縫的自動識別算法
        3.1.1 基于隨機結(jié)構(gòu)森林的裂縫自動識別算法
        3.1.2 隨機森林結(jié)構(gòu)化輸出
        3.1.3 混凝土裂縫類型描述與識別
        3.1.4 結(jié)果分析
    3.2 基于卷積神經(jīng)網(wǎng)絡(luò)的混凝土裂縫自動識別算法
        3.2.1 卷積神經(jīng)網(wǎng)絡(luò)的各層結(jié)構(gòu)設(shè)計
        3.2.2 混凝土裂縫圖像的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練
        3.2.3 混凝土裂縫的精準提取
        3.2.4 實驗結(jié)果的評價與分析
    3.3 本章小結(jié)
第四章 全卷積神經(jīng)網(wǎng)絡(luò)裂縫識別算法
    4.1 全卷積神經(jīng)模型的構(gòu)建
        4.1.1 VGG19 網(wǎng)絡(luò)模型
    4.2 全卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        4.2.1 全卷積神經(jīng)網(wǎng)絡(luò)的反卷積層設(shè)計
        4.2.2 全卷積網(wǎng)絡(luò)的跳躍結(jié)構(gòu)的設(shè)計
        4.2.3 全卷積網(wǎng)絡(luò)的SoftMax層設(shè)計
    4.3 全卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
        4.3.1 損失函數(shù)的設(shè)計
        4.3.2 學(xué)習率的選取
        4.3.3 全卷積神經(jīng)網(wǎng)絡(luò)模型初始化
    4.4 全卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與優(yōu)化
        4.4.1 全卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練
        4.4.2 裂縫識別的實驗結(jié)果對比
    4.5 裂縫測試集輸出結(jié)果的骨架提取
        4.5.1 標簽操作
        4.5.2 裂縫骨架提取
    4.6 混凝土裂縫的精準提取
        4.6.1 混凝土裂縫識別
        4.6.2 混凝土裂縫物理值計算
    4.7 本章小結(jié)
第五章 總結(jié)與展望
    5.1 研究工作總結(jié)
    5.2 未來工作展望
攻讀學(xué)位期間取得的研究成果
參考文獻
致謝



本文編號：3814157