基于卷积神经网络的桥梁裂缝检测与识别1
需积分: 0 34 浏览量
2022-08-03
16:19:05
上传
评论 1
收藏 482KB PDF 举报
第
３
７
卷第
５
期
河
北 科 技 大 学 学 报
Ｖ
ｏｌ．３７
，
Ｎｏ．５
２０１６
年
１０
月
Ｊｏｕｒｎａｌ
ｏｆ
Ｈｅｂｅｉ
Ｕｎｉｖｅｒｓｉｔ
ｙ
ｏｆ
Ｓｃｉｅｎｃｅ
ａｎｄ
Ｔｅｃｈｎｏｌｏ
ｇｙ
Ｏ
ｃｔ．２０１６
文章编号
：
１００８
－
１
５４２
（
２０１６
）
０５
－
０
４８５
－
０
６ ｄｏｉ
：
１０．７５３５
／
ｈｂｋｄ．２０１６
ｙ
ｘ０５００９
基于卷积神经网络的桥梁裂缝检测与识别
刘
洪公
，
王学军
，
李冰莹
，
孟
洁
（
石家庄
铁道大学信息科学与技术学院
，
河北石家庄
０
５００４３
）
摘
要
：
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
Ｒ
ａｓ
ｐ
ｂｅｒｒ
ｙ
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
（
Ｃ
ＮＮ
）
，
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
９
０％
以
上
，
能够为桥梁裂缝检测提供参考数据
。
关键词
：
图像处理
；
桥梁裂缝
；
Ｒ
ａｓ
ｐ
ｂｅｒｒ
ｙ
Ｐｉ
；
卷
积神经网络
；
检测
中图分类号
：
Ｔ
Ｐ１８３
文
献标志码
：
Ａ
收
稿日期
：
２
０１６
－
０
４
－
２
７
；
修
回日期
：
２
０１６
－
０
７
－
０
１
；
责
任编辑
：
李
穆
基金项目
：
河北省教育厅重点项目
（
Ｚ
Ｄ２０１６０５２
）
作
者简介
：
刘洪公
（
１
９９０
—
），
男
，
河
北沧州人
，
硕士研究生
，
主要从事机器视觉和计算机控制方面的研究
。
通讯作者
：
王学军教授
。
Ｅ
－
ｍ
ａｉｌ
：
ｗａｎ
ｇ
ｘ
ｊ
＠
ｓｔｄｕ．ｅｄｕ．ｃｎ
刘
洪公
，
王学军
，
李冰莹
，
等
．
基于卷积神经网络的桥梁裂缝检测与识别
［
Ｊ
］
．
河北科技大学学报
，
２
０１６
，
３７
（
５
）
：
４
８５
－
４
９０．
ＬＩＵ
Ｈｏｎ
ｇｇ
ｏｎ
ｇ
，
ＷＡＮＧ
Ｘｕｅ
ｊ
ｕｎ
，
ＬＩ
Ｂｉｎ
ｇｙ
ｉｎ
ｇ
，
ｅｔ
ａｌ．Ｄｅｔｅｃｔｉｏｎ
ａｎｄ
ｒｅｃｏ
ｇ
ｎｉｔｉｏｎ
ｏｆ
ｂｒｉｄ
ｇ
ｅ
ｃｒａｃｋ
ｂａｓｅｄ
ｏｎ
ｃｏｎｖｏｌｕｔｉｏｎａｌ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋ
［
Ｊ
］
．
Ｊｏｕｒｎａｌ
ｏｆ
Ｈｅｂｅｉ
Ｕｎｉｖｅｒｓｉｔ
ｙ
ｏｆ
Ｓｃｉｅｎｃｅ
ａｎｄ
Ｔｅｃｈｎｏｌｏ
ｇｙ
，
２０１６
，
３７
（
５
）
：
４
８５
－
４
９０．
Ｄ
ｅｔｅｃｔｉｏｎ
ａｎｄ
ｒｅｃｏ
ｇ
ｎｉｔｉｏｎ
ｏｆ
ｂｒｉｄ
ｇ
ｅ
ｃｒａｃｋ
ｂａｓｅｄ
ｏｎ
ｃｏｎｖｏｌｕｔｉｏｎａｌ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋ
Ｌ
ＩＵ
Ｈｏｎ
ｇｇ
ｏｎ
ｇ
，
ＷＡＮＧ
Ｘｕｅ
ｊ
ｕｎ
，
ＬＩ
Ｂｉｎ
ｇｙ
ｉｎ
ｇ
，
ＭＥＮＧ
Ｊｉｅ
（
Ｓ
ｃｈｏｏｌ
ｏｆ
Ｉｎｆｏｒｍａｔｉｏｎ
Ｓｃｉｅｎｃｅ
ａｎｄ
Ｔｅｃｈｎｏｌｏ
ｇｙ
，
Ｓｈｉ
ｊ
ｉａｚｈｕａｎ
ｇ
Ｔｉｅｄａｏ
Ｕｎｉｖｅｒｓｉｔ
ｙ
，
Ｓｈｉ
ｊ
ｉａｚｈａｎ
ｇ
，
Ｈｅｂｅｉ
０５００４３
，
Ｃｈｉｎａ
）
Ａ
ｂｓｔｒａｃｔ
：
Ａ
ｉｍｉｎ
ｇ
ａｔ
ｔｈｅ
ｂａｃｋｗａｒｄ
ａｒｔｉｆｉｃｉａｌ
ｖｉｓｕａｌ
ｄｅｔｅｃｔｉｏｎ
ｓｔａｔｕｓ
ｏｆ
ｂｒｉｄ
ｇ
ｅ
ｃｒａｃｋ
ｉｎ
Ｃｈｉｎａ
，
ｗｈｉｃｈ
ｈａｓ
ａ
ｇ
ｒｅａｔ
ｄａｎ
ｇ
ｅｒ
ｃｏｅｆｆｉ
－
ｃ
ｉｅｎｔ
，
ａ
ｄｉ
ｇ
ｉｔａｌ
ａｎｄ
ｉｎｔｅｌｌｉ
ｇ
ｅｎｔ
ｄｅｔｅｃｔｉｏｎ
ｍｅｔｈｏｄ
ｏｆ
ｉｍ
ｐ
ｒｏｖｉｎ
ｇ
ｔｈｅ
ｄｉａ
ｇ
ｎｏｓｔｉｃ
ｅｆｆｉｃｉｅｎｃ
ｙ
ａｎｄ
ｒｅｄｕｃｉｎ
ｇ
ｔｈｅ
ｒｉｓｋ
ｃｏｅｆｆｉｃｉｅｎｔ
ｉｓ
ｓｔｕｄ
－
ｉ
ｅｄ．Ｃｏｍｂｉｎ
ｇ
ｗｉｔｈ
ｍａｃｈｉｎｅ
ｖｉｓｉｏｎ
ａｎｄ
ｃｏｎｖｏｌｕｔｉｏｎａｌ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋ
ｔｅｃｈｎｏｌｏ
ｇｙ
，
Ｒａｓ
ｐ
ｂｅｒｒ
ｙ
Ｐｉ
ｉｓ
ｕｓｅｄ
ｔｏ
ａｃ
ｑ
ｕｉｒｅ
ａｎｄ
ｐ
ｒｅ
－
ｐ
ｒ
ｏｃｅｓｓ
ｉｍａ
ｇ
ｅ
，
ａｎｄ
ｔｈｅ
ｃｒａｃｋ
ｉｍａ
ｇ
ｅ
ｉｓ
ａｎａｌ
ｙ
ｚｅｄ
；
ｔｈｅ
ｐ
ｒｏｃｅｓｓｉｎ
ｇ
ａｌ
ｇ
ｏｒｉｔｈｍ
ｗｈｉｃｈ
ｈａｓ
ｔｈｅ
ｂｅｓｔ
ｅｆｆｅｃｔ
ｉｎ
ｄｅｔｅｃｔｉｎ
ｇ
ａｎｄ
ｒｅｃｏ
ｇ
ｎｉｚｉｎ
ｇ
ｉｓ
ｓｅｌｅｃｔ
－
ｅ
ｄ
；
ｔｈｅ
ｃｏｎｖｏｌｕｔｉｏｎａｌ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋ
（
ＣＮＮ
）
ｆｏｒ
ｃｒａｃｋ
ｃｌａｓｓｉｆｉｃａｔｉｏｎ
ｉｓ
ｏ
ｐ
ｔｉｍｉｚｅｄ
；
ｆｉｎａｌｌ
ｙ
，
ａ
ｎｅｗ
ｉｎｔｅｌｌｉ
ｇ
ｅｎｔ
ｃｒａｃｋ
ｄｅｔｅｃｔｉｏｎ
ｍｅｔｈ
－
ｏ
ｄ
ｉｓ
ｐ
ｕｔ
ｆｏｒｗａｒｄ．Ｔｈｅ
ｅｘ
ｐ
ｅｒｉｍｅｎｔａｌ
ｒｅｓｕｌｔ
ｓｈｏｗｓ
ｔｈａｔ
ｔｈｅ
ｓ
ｙ
ｓｔｅｍ
ｃａｎ
ｆｉｎｄ
ａｌｌ
ｃｒａｃｋｓ
ｂｅ
ｙ
ｏｎｄ
ｔｈｅ
ｍａｘｉｍｕｍ
ｌｉｍｉｔ
，
ａｎｄ
ｅｆｆｅｃｔｉｖｅｌ
ｙ
ｉｄｅｎｔｉｆ
ｙ
ｔｈｅ
ｔ
ｙｐ
ｅ
ｏｆ
ｆｒａｃｔｕｒｅ
，
ａｎｄ
ｔｈｅ
ｒｅｃｏ
ｇ
ｎｉｔｉｏｎ
ｒａｔｅ
ｉｓ
ａｂｏｖｅ
９０％．Ｔｈｅ
ｓｔｕｄ
ｙ
ｐ
ｒｏｖｉｄｅｓ
ｒｅｆｅｒｅｎｃｅ
ｄａｔａ
ｆｏｒ
ｅｎ
ｇ
ｉｎｅｅｒｉｎ
ｇ
ｄｅｔｅｃ
－
ｔ
ｉｏｎ．
Ｋ
ｅ
ｙ
ｗｏｒｄｓ
：
ｉ
ｍａ
ｇ
ｅ
ｐ
ｒｏｃｅｓｓｉｎ
ｇ
；
ｂｒｉｄ
ｇ
ｅ
ｃｒａｃｋ
；
Ｒａｓ
ｐ
ｂｅｒｒ
ｙ
Ｐｉ
；
ｃｏｎｖｏｌｕｔｉｏｎａｌ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋ
；
ｄｅｔｅｃｔｉｏｎ
裂
缝是桥梁安全最普遍的威胁因素
，
相关历史数据表明
，
由裂缝引起的桥梁安全事故占桥梁总体灾害的
９
０％
以
上
［
１
］
。
经过长时
间的工程实践和严格的理论分析
，
人们发现
０
．３ｍｍ
是桥梁裂缝允
许的最大限度
，
若
宽度超限将破坏桥梁的整体性
，
甚至引发垮塌事故
，
因此安全维护需要保证探测超过此限度的所有裂缝信
资源评论
