原文传递
基于图像处理与神经胶囊网络的RC桥墩技术状况评定研究
| 论文题名： | 基于图像处理与神经胶囊网络的RC桥墩技术状况评定研究 |
| 关键词： | 桥梁养护;桥墩检测;病害识别;图像处理;神经胶囊网络 |
| 摘要： | 据交通运输部2020年统计，我国公路桥梁共计91.28万座，根据《公路桥梁技术状况评定标准》JTG/T H21-2011规定，运营桥梁都需要使用技术状况评定的方式进行定期检测，该种评定方式存在检测盲区、检测效率偏低及主观因素影响大等问题，因此本研究将无人机与计算机技术结合，以常见RC高墩为例，设计开发桥墩构件标度评定系统，用于下部结构桥墩的技术状况评定，尝试减少桥墩检测盲区、提高检测效率及降低主观因素影响等。本文的研究内容如下： （1）针对无人机采集的图像存在噪声严重、病害特征纹理不突出等问题，提出彩色图像病害特征加强技术，对采集的图像进行噪声去除和病害特征加强。首先将采集的图像利用高斯平滑进行噪声去除，然后利用LOG锐化结果计算自动阈值，最后进行图像融合处理，在保留原图特征的情况下，凸显出病害的位置和大小，降低神经胶囊网络病害识别的难度，提高桥墩构件标度评定系统的准确度。 （2）为达成桥墩构件标度评定系统对病害尺寸的量化，整理形成包含病害尺寸参数的12类混凝土表观病害数据集。利用无人机拍摄桥墩表观图像1759张，网络收集混凝土表观病害图像1500余张。通过病害特征加强、图像尺寸标定和病害分类，建立包含75360张图像的数据集，为训练出病害识别准确率较高的胶囊网络模型提供了数据基础。 （3）为改变目前深度学习仅考虑病害类型特征而忽视病害大小特征的研究现状，提出利用神经胶囊网络的向量特性，尝试将病害识别从定性分类研究向定量测量研究探索。首先对神经胶囊网络概念和组成进行详细介绍，然后设计了3种不同结构的神经胶囊病害识别网络，再利用2个数据集对上述病害识别网络进行训练和测试，最后筛选出病害识别准确率最高的网络模型为BhCapsNet-2，其定量测量病害大小的平均准确率为83.4%，定性分类病害类型的平均准确率为89.51%，实现了从病害类型特征研究向病害大小特征研究的探索。 （4）为减少人为主观因素对于检测结果的影响及提高检测工作效率，设计开发了桥墩构件标度评定系统。将无人机技术、彩色图像病害特征加强技术、神经胶囊病害识别网络进行融合开发，开发的评定系统包含4个页面，分别是基础信息页面、病害加强页面、识别与分析页面、评定与输出页面，实现了病害检测和标度评定工作自动化。 （5）为检验桥墩构件标度评定系统的评定准确度，设计了3个复核检测方案，并用实际桥墩检测项目进行分析，得出该评定系统的病害识别准确度达到85%，病害检出率和检测工作效率均有提升。 |
| 作者： | 王盛 |
| 专业： | 建筑与土木工程 |
| 导师： | 杜斌 |
| 授予学位： | 硕士 |
| 授予学位单位： | 贵州大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
