基于深度学习的水下钢结构锈蚀识别与评价

锈蚀是影响输水工程中水下钢结构能否稳定运行的重要因素．由于水下环境复杂,常规方法难以在通水情况下实现对水下钢结构锈蚀情况进行有效的检测与评价．本文基于深度学习,提出了一种利用水下机器人采集的视频图像,自动检测水下钢结构锈蚀并进行锈蚀等级评价的方法．首先,采用构建的卷积神经网络(CNN)模型对预处理后的水下钢结构锈蚀图像进行锈蚀识别;然后,利用颜色直方图对锈蚀区域进行语义分割,通过计算的锈蚀率来评价锈蚀等级．实例结果表明：水下钢结构锈蚀识别的准确率可达95.5%,实现了锈蚀程度评价．本文方法可为通水情况下输水工程水下钢结构的锈蚀快速识别及健康诊断提供新的途径．     

深度学习在塔吊裂缝识别中的应用

在塔吊事故频发的背景下,将阐述几种当前主流的基于卷积神经网络的目标识别算法应用于塔吊安全监督管理的可行性.将当前主流的目标识别YOLOv3算法、Faster-RCNN算法和SSD算法应用在塔吊的裂缝识别上从而降低塔吊事故的发生,通过比较分析这三种算法在塔吊裂缝识别上的优缺点,并进一步提出下一步的改进方向来更好的针对塔吊安全管理.     

锈蚀钢筋混凝土梁的裂缝研究

裂缝特征是反映钢筋混凝土构件正常使用极限状态的一个重要指标.制作了37片不同钢筋类型和配筋率的钢筋混凝土梁,通过外加电流的方法使其加速锈蚀,并通过电流强度、通电时间控制其锈蚀率.讨论了试件在静载试验中的裂缝开展过程及特点.通过与《公路钢筋混凝土及预应力混凝土桥涵设计规范》(JTGD62-2004)和《混凝土结构设计规范》(GB 50010-2002)相关公式进行对比分析,建立了钢筋锈蚀率与平均裂缝间距、裂缝宽度的关系.试验研究结果表明,锈蚀率较小时,钢筋混凝土受弯构件的裂缝特征与普通钢筋混凝土构件相同;而锈蚀率较大时,裂缝间距变大,宽度增加.该结果可用于锈蚀钢筋混凝土受弯构件承载力的评估.     

锈蚀钢筋混凝土梁的裂缝研究

钢筋锈蚀是在当今世界引起混凝土结构耐久性损伤或破坏的首要因素,研究发现锈蚀钢筋混凝土构件粘结性能的退化对其裂缝特征有着显著的影响,随着粘结强度的降低,钢筋混凝土构件的裂缝宽度和平均裂缝间距都会增大。本文从钢筋锈蚀对混凝土构件的裂缝的影响出发,介绍了锈蚀钢筋混凝土梁的裂缝特征、形成原因以及现有的计算方法。     

混凝土结构中钢筋锈蚀参数的识别

研究了混凝土结构中钢筋锈蚀参数的识别问题.在考虑混凝土的塑性变形和梁的拉区裂缝的基础上,利用能量法导出梁的自由振动的数学模型,从而得到梁的低阶频率;然后运用最小二乘法建立目标函数,通过非线性迭代识别出钢筋锈蚀参量.图2,表1,参6.     

裂缝与钢筋锈蚀——横向裂缝控制问题的探讨

本文根据野外暴露试验和实际调查的结果,讨论了横向裂缝与混凝土中钢筋锈蚀的关系,认为横向裂缝对钢筋锈蚀的影响不严重.文中还就其原因进行了分析.本文建议,现行规范中横向裂缝宽度限值可以适当放宽,然而对造成混凝士剥落和损坏的纵向裂缝必须引起注意.     

保护层对锈蚀钢筋混凝土梁裂缝的影响

沿海老旧建筑长期受高浓度氯离子侵蚀,破坏钢筋与混凝土间的黏结,严重影响构件的承载能力。为探索沿海建筑合理的保护层厚度,本文应用电化学原理,对11根前期浸泡在浓度为5%Na Cl溶液中的钢筋混凝土梁进行通电加速腐蚀。通过加载试验测量了裂缝宽度与开裂荷载,并与理论计算值对比分析,其结果比较吻合。结果表明:保护层厚度对试验梁裂缝开展起决定性作用,保护层越小裂缝开展越严重。     

基于优化的残差网络的锈蚀钢筋图像分类

通过实验研究提出一种基于残差网络(ResNet)的锈蚀钢筋分类方法,为开发锈蚀钢筋现场准确定量评价方法提供新思路和技术参考.以1478根直径12mm和14mm,锈蚀率1.45%~56.10%的钢筋为研究对象,利用工业相机在实验室条件下拍摄图像,结合数据增强技术,共获得23648张样本图像,并根据锈蚀率确定11类标签.基于深度卷积神经网络搭建ResNet结构,并利用Adam算法进行迭代优化,通过对比不同数据集的实验结果评估分类准确率和训练轮数.为验证所提方法的适用性,将不同直径钢筋的样本图像组合成6种数据集进行训练与测试.研究表明,经过100次迭代训练,针对6种数据集的钢筋锈蚀程度分类准确率均在93.2%以上,最高达98.8%.该方法支持混合直径的锈蚀钢筋高精度分类,具有良好的实际应用性.     

基于迁移学习和卷积神经网络的野生鸟类识别

内蒙古各大湖泊和湿地是野生鸟类的聚集地,对野生鸟类进行准确识别是进行鸟类保护和习性分析的基础.大量试验证明,卷积神经网络在大规模数据集上训练后具有良好识别效果.但获取野生鸟类图像存在一定难度,很难得到足够的样本量.为提高小样本野生鸟类图像的识别准确率,防止网络训练过程中的过拟合问题,通过改进VGG16的预训练,设计了一...     

锈蚀钢筋混凝土桥墩抗震能力评估

为了探究钢筋锈蚀对混凝土桥墩抗震能力的影响,在考虑锈蚀对桥墩纵筋、核心混凝土以及保护层混凝土影响的基础上,提出了锈蚀钢筋混凝土桥墩抗震能力的数值模拟方法,并通过已有试验验证了该模拟方法的可靠性.基于Open Sees平台建立了锈蚀钢筋混凝土桥墩有限元模型,针对仅纵筋锈蚀、仅箍筋锈蚀以及纵筋、箍筋均锈蚀这3种工况,采用Pushover方法计算了钢筋混凝土桥墩的抗震能力,研究了钢筋锈蚀对混凝土桥墩抗震能力的影响,并对纵筋、箍筋均锈蚀工况下的混凝土桥墩抗震能力进行了评估.结果表明:纵筋锈蚀主要影响钢筋混凝土桥墩的极限承载力,箍筋锈蚀则主要影响钢筋混凝土桥墩的延性能力,纵筋、箍筋均锈蚀对钢筋混凝土桥墩的抗震能力影响最大;钢筋锈蚀率越高、地震烈度越大,则混凝土桥墩损伤越严重.     

锈蚀钢筋混凝土柱承载力的计算模型

基于锈蚀钢筋与混凝土的粘结退化模型,分析了钢筋锈蚀对钢筋混凝土柱承载力计算模式和破坏模式的影响,建立了锈蚀钢筋混凝土柱抗压承载力的计算模型.利用一些近年来文献上有关钢筋混凝土锈蚀柱承载力的试验数据,对计算模型进行了验证,并取得了较好的吻合度.可以为锈蚀柱的承载力分析提供可靠的理论预测.     

基于随机平滑的恶意软件识别深度学习模型鲁棒性认证方法

面向恶意软件识别的任务中,使用随机平滑算法向所有特征中添加噪声得到的噪声样本可能会失去恶意功能. 现有的认证算法按照噪声空间分布的似然比从大到小的顺序构建认证区域,使认证的鲁棒区域小、认证准确率低. 本文提出一种基于随机平滑的恶意软件识别深度学习模型的鲁棒性认证方法,方法只向与恶意功能非必需的特征中添加离散伯努利噪声构建可认证的平滑模型,选取似然比更小的区域构建认证区域,实现更准确的鲁棒性认证. 实验表明,提出的方法在3个数据集上平均认证半径是对比方法的 4.37倍、2.67倍和2.72倍。该方法可以提供与实际鲁棒边界更紧密的认证半径,在模型鲁棒性评估方面具有较强的实用价值.      

基于深度学习的建筑物识别

针对随着城市化的快速发展,城市与城市间的辨识度越来越弱,城市地标的概念越来越热门这一现象,提出了一种基于深度学习的建筑物识别方法;使用改进的Faster R-CNN算法作为训练模型,首先,将需要识别的图片输入深度神经网络,提取出特征框图;然后,模型通过区域建议网络预测目标建筑物所在位置的区域建议,并将这些区域建议映射到特征框图上,RoI Pooling层将这些区域建议转换成固定大小的特征框图;最后使用非极大值抑制从预测边界框中移除相似的结果,得到预测边界框以及边框中目标建筑物的类别和概率;实验结果表明:在训练数据集充足的条件下,使用此方法对地标建筑物的识别率能达到90. 8%,通过与其他模型比较分析,该模型具有较好的识别效果。     

往复荷载下锈蚀钢筋混凝土粘结滑移劣化模型

基于已有往复荷载下未锈蚀钢筋混凝土构件的粘结滑移模型,考虑了钢筋锈蚀的影响,从细观的角度对粘结滑移外包线、粘结强度衰减系数、摩擦粘结强度衰减系数、反向粘结强度以及残余粘结强度和其所对应的滑移值进行了理论上的推导和修正,提出了低周往复荷载下考虑循环劣化的锈蚀钢筋混凝土构件的粘结滑移模型,将理论所得的数据和已有实验数据进行对比,结果吻合较好.研究结果对考虑钢筋锈蚀条件下混凝土构件的抗震性能有参考价值.     

浅谈锈蚀钢筋混凝土结构的损伤评估的研究现状

论述了锈蚀钢筋混凝土结构损伤评估的国内外研究现状的进展,分析了今后研究的方向。     

含裂纹钢丝在应力腐蚀作用下的力学性能

为了研究含裂纹高强镀锌钢丝在应力腐蚀作用下的受拉力学性能,根据应力腐蚀试验、静力拉伸试验、电镜实验和有限元模拟的研究数据,建立了含裂纹高强钢丝的力学模型,给出了模型参数的计算方法,并对含裂纹钢丝的应力腐蚀机理和静力受拉性能进行了研究.结果表明,在静力拉伸破坏试验中,应力腐蚀下的含裂纹高强镀锌钢丝的决定性破坏因素是裂纹,刻痕的应力集中系数远大于正常腐蚀的蚀坑,钢丝力学性能的变化是由初始裂纹进一步腐蚀而引起的;当钢丝腐蚀较严重时,钢丝力学性能主要由裂纹及其底部蚀坑决定.     

锈蚀钢筋混凝土梁的斜截面抗剪承载能力

考虑钢筋锈蚀对受力钢筋截面面积和力学性能、钢筋与混凝土间粘结强度以及混凝土保护层厚度的影响,基于“拉、剪临界破坏”的概念和“梁-拱”共同作用的混凝土抗剪抵抗机制,建立了锈蚀无腹筋(主要指箍筋)梁的抗剪承载力公式;考虑梁中纵筋和(或)箍筋锈蚀的影响,基于箍筋与混凝土抗剪作用相互影响的机制,采用相应于有腹筋梁的无腹筋梁对抗剪强度的贡献与箍筋对抗剪强度的贡献相加的模式,建立了锈蚀有腹筋梁的抗剪强度公式.并且,对所建立的锈蚀钢筋混凝土梁的抗剪承载力的理论预测进行了试验验证.     

锈蚀钢筋混凝土偏心受压柱承载力试验研究

试验研究了低锈蚀率钢筋对偏心受压构件承载力的影响.将4根钢筋混凝土柱置于湿盐砂中外通直流电加速锈蚀,锈蚀完毕后与3根未锈蚀柱进行偏心受压试验,试验在5 000 kN长柱试验机上进行.另外对锈蚀钢筋进行了拉伸试验.结果表明,偏心距较小时,锈蚀柱截面应变仍符合平截面假定;偏心距相同时锈蚀柱的承载力及刚度比完好柱明显降低.锈蚀钢筋的名义屈服强度、名义极限强度随锈蚀率呈线性降低;随钢筋锈蚀率增大,钢筋的延性降低更快.     

A Deep Learning Method for Chinese Singer Identification

As a subfield of Multimedia Information Retrieval(MIR), Singer IDentification(SID) is still in the research phase. On one hand, SID cannot easily achieve high accuracy because the singing voice is difficult to model and always disturbed by the background instrumental music. On the other hand, the performance of conventional machine learning methods is limited by the scale of the training dataset. This study proposes a new deep learning approach based on Long Short-Term Memory(LSTM) and Mel-Frequency Cepstral Coefficient(MFCC) features to identify the singer of a song in large datasets. The results of this study indicate that LSTM can be used to build a representation of the relationships between different MFCC frames. The experimental results show that the proposed method achieves better accuracy for Chinese SID in the MIR-1 K dataset than the traditional approaches.