基于卷积神经网络的桥梁裂缝检测与识别

针对当前中国检测桥梁裂缝依赖人工目测,危险系数极大的落后现状,研究了一种基于数字化和智能化的检测方法,以提高桥梁安全诊断效率,降低危险系数。结合机器视觉和卷积神经网络技术,利用Raspberry Pi处理器采集和预处理图像,分析裂缝图像的特点,选取效果检测和识别裂缝效果最佳处理算法,改进裂缝分类的卷积神经网络模型(CNN),最终提出一种新的智能裂缝检测方案。实验结果显示:该方案能够找到超出桥梁裂缝最大限值的所有裂缝,并可以有效识别裂缝类型,识别率达90%以上,能够为桥梁裂缝检测提供参考数据。     

基于小波分析的桥梁损伤检测

为了有效地识别出梁体损伤裂缝所在的位置,尤其是对于不易被察觉的损伤,利用小波分析所具有的识别突变信号的特点,研究了小波技术应用于桥梁结构损伤检测,分析了实测结果,表明小波变换在桥梁结构裂缝检测中切实有效。     

基于机器视觉的目标识别方法的研究进展

随着社会的不断发展,机器视觉系统在各行业已被广泛应用,基于目标检测与目标识别的图像处理方法在机器系统中有了主要的应用途径,总结近年来使用机器视觉研究中用到的目标识别方法,包括Blob分析法、模板匹配法、深度学习法,详细讨论这些目标识别方法的原理、优劣以及在各个领域中的应用。首先介绍了基于机器视觉的目标检测识别的任务、难点和发展现状,其次基于深度学习方法的目标检测识别算法,最后讨论当前实际应用中目标检测识别方法存在的问题和未来可能的发展方向。     

基于YOLOv5和U-Net3+的桥梁裂缝智能识别与测量

为了克服传统数字图像处理方法进行桥梁裂缝识别时面临的效率低、效果不佳等问题,提出了集成深度学习YOLOv5和U-Net3+算法的一体化桥梁裂缝智能检测方法.通过调整算法宽度和深度参数,优化边界框损失函数,构建基于YOLOv5目标检测算法的裂缝识别定位模型,实现桥梁裂缝快速识别与定位;引入结合深度监督策略及预测输出模块的U-Net3+图像分割算法,训练并构建桥梁裂缝高效分割模型,实现像素级裂缝智能化提取;建立结合连通域去噪、边缘检测、形态学处理的八方向裂缝宽度测量法,基于U-Net3+裂缝分割结果实现裂缝形态及宽度高精度测量;利用LabelImg图像标注软件制作包含4 414张图像的裂缝识别定位模型训练数据集;利用LabelImg图像标注软件及CFD数据集制作包含908张图像的裂缝分割模型训练数据集;利用无人机航拍的485张5 280×2 970 pixels桥梁索塔裂缝图像,来制作裂缝智能检测模型的测试对象.将所提出的裂缝检测方法应用于上述裂缝测试对象,其裂缝识别定位准确率91.55%、召回率95.15%、F1分数93.32%,裂缝分割准确率93.02%、召回率92.22%、F1分数92.22%.结果表明,基于YOLOv5与U-Net3+的桥梁裂缝智能检测方法,可实现桥梁裂缝高效率、高精度、智能化检测,具有较强的研究价值和广泛的应用前景.     

基于机器视觉的表面缺陷检测研究综述

表面缺陷是工业产品生产中不可避免的问题,如果不及时发现并处理,将会影响产品的表观质量及性能,导致企业生产效益下降。基于机器视觉的表面缺陷检测方法在一定程度上克服了传统人工检测方法的检测效率低、误检及漏检率高的问题,在现代化的工业生产中得到了广泛的应用。本文归纳总结了近年来机器视觉表面缺陷检测领域的研究成果,分析了国内外缺陷检测技术的研究现状,阐述了机器视觉缺陷检测系统的组成及工作原理,综述了视觉缺陷检测所涉及到的相关理论和应用方法,比较了主流机器视觉检测方法的优缺点,并指出了现有机器视觉缺陷检测技术存在的问题,对以后的发展趋势进行了展望。     

机器视觉技术的农业应用研究进展

 机器视觉技术已广泛应用到农业生产的诸多领域。综合国内外优秀研究成果,阐述了现阶段机器视觉在农业方面应用的主要形式,介绍了机器视觉在农作物精选与质量检测、植物生长信息监测、农田视觉导航等应用方向的研究成果,通过分析其创新性的图像处理算法、机器视觉系统的组成,提出了当前机器视觉农业应用仍存在可靠性差、成本高、智能化水平不高等问题。结合当前机器视觉在各种领域的研究和应用情况,对未来机器视觉在农业应用的发展方向进行展望,认为基于嵌入式处理模块和多技术融合的机器视觉系统将成为未来主要发展趋势,以卷积神经网络为代表的深度学习模型也将成为未来图像识别的核心技术,并将极大改善目前机器视觉在农业应用存在的诸多问题。     

基于Halcon的水平仪气泡自动分类系统研究

为了实现生产过程中水平仪气泡实时快速分类而研发机器视觉水平仪气泡自动分类系统,这是水平仪生产机器换人的关键。研究了基于Halcon的图像处理与识别技术,结合Qt语言设计了自动分类系统软件。介绍了自动分类系统的硬件构成、工作原理,以及图像获取和识别水平仪气泡特定参数的方法。分析了自动分类过程中图像滤波、边缘检测、轮廓提取等图像处理技术,并进行了实验验证。结果表明,使用基于Halcon的机器视觉图像处理技术,能使水平仪的气泡分类速度更快、更准确,单张图像平均检测时间≤786 ms,长度检测平均误差≤0.02 mm,满足水平仪生产机器换人的需要。     

基于机器视觉的电线电缆检测技术研究

本文列举了0.6/1kV挤包绝缘电力电缆的检验项目和检验方法,讨论了需要人眼参与识别的静态与动态的检验项目.针对绝缘和护套材料的断裂伸长率、热延伸和低温拉伸检验项目与机器视觉检测技术相结合进行了探究,提出将机器视觉检测技术应用到电线电缆检验中.对于运动过程中和非接触状态下的试样状态变化的捕捉,机器视觉检测技术具有优势.     

基于ROS及YOLOv3的混凝土桥梁裂缝实时检测系统

为了提升既有混凝土结构的养护效率，提高结构的检测效率和精度，基于ROS架构和边缘计算设备，设计了便携式混凝土桥梁裂缝实时检测系统，通过YOLOv3算法实现了混凝土桥梁裂缝自动检测识别，并研究了不同数量训练集对模型性能的影响.结果表明，研发的混凝土裂缝实时检测系统能够整合硬件性能，完成对混凝土表观裂缝图像的实时获取，并在边缘计算设备上进行实时分析处理，实现了检测结果的实时显示.模型在训练集数量最多时平均精度最高，达到0.823.实验室环境下以预应力混凝土结构为例的测试结果表明，该系统能够较好地实现混凝土结构表观裂缝的检测.     

基于数字图像处理的路面裂缝自动识别与评价系统

在论述国内外路面裂缝检测技术发展现状的基础上,分析了基于数字图像处理的路面裂缝识别与评价系统的工作原理。通过研究路面裂缝图像的特点和现有裂缝识别算法,提出了该技术应用中尚存在分析结果的可靠性、图像处理的速度以及路面裂缝评价技术的完善等几个关键技术,并探讨了解决这些问题的途径。     

基于计算机视觉的混凝土裂缝识别

为降低对结构表面进行裂缝识别的经济和时间成本,而采用计算机视觉技术、使用消费级照相机对裂缝图片进行处理,识别裂缝区域和测量裂缝宽度,包括图像模糊、图像增强、形态学运算、图像畸变校准、连通域标记、孤立点消除、裂缝碎片拼接等.对提取出的裂缝区域,统计裂缝发展方向,计算其对应的裂缝长度及宽度.通过钢筋混凝土梁静力加载试验,对梁表面裂缝进行拍摄,在实验室条件下得知裂缝宽度误差在0.1 mm左右.     

基于深度学习的道路表面裂缝检测方法

道路表面裂缝检测是道路安全检测的一项重要指标,随着计算机视觉技术的不断发展,越来越多的基于深度学习的目标检测方法被应用到裂缝检测中.然而这些检测方法大都是对裂缝位置的粗略的检测或分类,无法定量的衡量裂缝为了定量衡量裂缝,提出了一种基于深度学习的像素级道路表面裂缝检测方法.使用卷积神经网络对裂缝原始图像进行分割得到裂缝的二值化图像,并实现对裂缝的面积、长度、平均宽度的自动计算,提高了测量效率并降低了检测成本.实验表明,本系统对裂缝面积测量准确率达到93％,长度测量准确率达到92％,平均宽度测量准确率达到89％.     

数字图像处理技术在桥梁裂纹测量中的应用

基于对桥梁裂纹图像特征的深度分析,综合应用图像连通区域检测和图像边缘检测等数字图像处理技术,研发了一套基于现代数字图像处理理论的远距离非接触式裂纹几何尺寸图像识别系统。户外条件下对在役桥梁裂纹检测的对比试验结果表明,该系统对于桥梁微小损伤的远距离无损检测具有较高的工程应用价值。     

基于机器学习的裂纹识别研究现状及发展趋势

裂纹识别一直是机器视觉领域的重要研究内容,尤其是与之相关的自动检测算法在近年来备受关注。深度学习作为机器学习的一个分支,其在裂纹识别方面已显现出强大的功能和灵活性。本文对基于机器学习的裂纹识别技术的发展情况、研究现状以及典型方法进行详细介绍:首先介绍了多种机器学习方法在裂纹识别领域的应用,并从特征提取算法和应用对象等方面介绍了支持向量机(Support Vector Machine, SVM)、K最近邻(K-Nearest Neighbor, KNN)、神经网络、决策树和随机森林等常用的分类器;其次,从网络模型、数据集和应用对象等方面介绍了深度学习方法在裂纹识别领域的应用。同时,本文还对近20年(2000-2020年)的81篇相关文献进行对比分析,认为未来金属裂纹的识别依旧是热门研究,多种算法的混合会逐渐替代单一算法成为今后的发展方向。     

局部特征聚类联合区域增长的桥梁裂缝检测

针对传统裂缝检测算法抗干扰能力弱,浅层裂缝易误判等问题,提出一种局部特征聚类联合区域增长的桥梁裂缝检测算法。首先,针对混凝土表皮脱落及渗水等干扰问题,采用Gauss-Frangi双重滤波对图像模糊化处理,退化噪声的特征信息,并增强图像中的线性结构。其次,针对常规算法无法识别弱特征的浅层裂缝问题,根据局部区域裂缝点间的空间相关性,提出基于网格聚类联合区域增长算法实现局部区域裂缝的动态分割。最后,针对分割图像中伪裂缝等顽固噪声,提出一种基于形状特征及结构相似性原理方法剔除噪声。实验表明,所提算法可检测出更多的裂缝细节信息,且保持较高的精确率,提高了裂缝图像分割质量。     

基于数字图像的混凝土桥梁裂缝检测技术

应用visual C++6.0语言编制程序,研究了基于数字图像的桥梁裂缝检测方法,深入分析评价了图像灰度化、棋盘格角点求解像素率、滤波除噪、边缘检测等图像处理算法,实现了基于视频(或图像)的桥梁裂缝宽度计算和软件系统,并用15幅桥梁裂缝图像验证了其裂缝检测精度.结果表明:本文提出的裂缝识别方法能较好地用于钢筋混凝土桥梁和B类预应力混凝土桥梁的裂缝检测,当裂缝宽度大于0.3 mm时,图像计算出的裂缝宽度值与实测值非常接近,相对误差在6％以内;当裂缝宽度为0.2～0.3mm时,相对误差在10％以内.     

桥梁混凝土裂缝预防与控制——临策铁路高墩桥施工中裂缝控制

桥梁混凝土裂缝是桥梁施工中经常碰到的问题，采取有效措施预防与控制裂缝是在工程施工中所必须要解决的。阐述桥梁混凝土裂缝种类和成因，对临策铁路高墩桥施工中的裂缝控制和预防措施进行分析和总结。     

运营环境下混凝土简支梁桥裂缝的非线性损伤识别

针对混凝土简支梁桥常见的开裂病害,基于改进的Hilbert-Huang变换(HHT)提出裂缝的非线性损伤识别方法。选取曲率曲线型呼吸裂缝模型并将其融入车桥耦合共振系统,以更真实地模拟运营环境下裂缝的非线性开闭现象。引入镜像延拓法和集合经验模态分解法分别改进传统HHT算法的端点发散和模态混叠问题,提取桥梁加速度响应的能量时程曲线,将能量时程曲线尖峰出现时刻和相对幅值比分别作为损伤定位和定量的特征指标,从而建立简支梁裂缝的非线性损伤识别方法。数值算例表明,采用单一传感器便可通过文中方法识别简支梁开裂的部位和程度,为混凝土简支梁的损伤识别提供技术支撑。