没有合适的资源?快使用搜索试试~ 我知道了~
基于卷积神经网络的桥梁裂缝检测与识别1
需积分: 0 1 下载量 34 浏览量
2022-08-03
16:19:05
上传
评论 1
收藏 482KB PDF 举报
温馨提示
试读
6页
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
资源推荐
资源详情
资源评论
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
代码深渊漫步者
- 粉丝: 14
- 资源: 320
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功