原文传递
基于无人机及Mask R-CNN的桥梁结构裂缝智能识别
| 题名： | 基于无人机及Mask R-CNN的桥梁结构裂缝智能识别 |
| 作者： | 余加勇;李锋;薛现凯;朱平;吴鑫赟;卢培升 |
| 作者单位： | 湖南大学风工程与桥梁工程湖南省重点实验室;湖南大学土木工程学院 |
| 关键词： | 桥梁工程;裂缝检测;无人机;深度学习;掩膜区域卷积神经网络 |
| 摘要： | 桥梁结构表面裂缝检测为桥梁状态识别、病害治理、安全评估提供了重要状态信息和决策依据。为解决传统人工检测方法存在的危险性高、影响交通、费用昂贵等问题，提出基于无人机(Unmanned Aerial Vehicle，UAV)及深度学习的桥梁结构裂缝智能识别方法。采用大疆M210-RTK多旋翼无人机进行贴近航摄，获取桥梁结构混凝土表面高清图像；利用SDNET裂缝数据集等图像资源，制作1133张标记裂缝精确区域的深度学习训练样本图像库；引入掩膜区域卷积神经网络(MaskR-CNN)深度学习算法，训练和建立MaskR-CNN裂缝识别模型；基于MaskR-CNN裂缝识别模型，采用矩形滑动窗口模式扫描混凝土表面高清图像，实现裂缝自动识别和定位。构建包含图像二值化、连通域去噪、边缘检测、裂缝骨架化、裂缝宽度计算等流程的图像后处理方法，实现裂缝形态及宽度信息自动获取。通过精度验证试验，证实采用M210-RTK无人机＋ZENMUSEX5S相机＋45mm奥林巴斯镜头的组合装备，当无人机至桥梁结构表面垂直距离为10.0m时，无人机方法识别的裂缝宽度与裂缝测量仪结果吻合，其绝对误差小于0.097mm，相对误差小于9.8%。将该无人机裂缝检测方法应用于高136.8m长沙市洪山大桥桥塔表面裂缝检测，采用深度学习MaskR-CNN算法进行裂缝智能识别，其裂缝识别准确率和召回率分别达到92.5%和92.5%。研究结果表明：无人机桥梁裂缝检测方法可实现高耸桥梁结构表面裂缝的远程、非接触、自动化检测，具有重要的科学研究和工程应用价值。 |
| 期刊名称： | 中国公路学报 |
| 出版日期： | 202112 |
| 出版年： | 2021 |
| 期： | 12 |
| 页码： | 80-90 |
检索历史
应用推荐
