原文传递
基于图像深度学习的桥梁拉索表观缺陷检测
| 论文题名： | 基于图像深度学习的桥梁拉索表观缺陷检测 |
| 关键词： | 桥梁拉索;表观缺陷;深度学习;钢绞线腐蚀 |
| 摘要： | 拉索作为主要受力构件，深刻影响拉索桥悬索桥的寿命。随着我国的桥梁建设高速发展，因拉索断裂导致的桥梁垮塌时有发生。桥梁拉索高密度聚乙烯聚合物材料（HDPE）护套的损伤是造成拉索失效的重要原因。因外界环境腐蚀，HDPE护套容易发生开裂，划痕，凹坑，锈斑等缺陷。传统的缺陷检测方法人工检测耗费人力物力，且存在一定的安全隐患，不能满足新时代拉索病害检测的要求。 基于计算机视觉的深度学习图像检测方法为工业缺陷检测提供了安全，便捷，快速的实现可能。但是，深度学习方法只针对一个特定的任务，因此，针对视觉检测中出现的问题，本文利用几种深度学习方法实现了拉索表观缺陷的检测，以及数字显示。本文的主要研究内容如下： 1.基于EfficientNetv2分类网络和YOLOv3目标检测网络的一张数字图像的缺陷识别。为了去除复杂背景环境的影响和光照的影响，收集多张拉索表观的照片。对于一张数字图像，本文用EfficientNetv2分类网络将拉索与背景分离。再用YOLOv3目标检测将缺陷与拉索分离。本章实现了不同种类损伤的识别与提取，为后面的三维模型展示做铺垫。 2.利用AgisoftPhotoScan运动恢复的拉索三维重建建模。针对上述多张处理好的图像，为了去除了多视角图片造成的尺寸误差和相机镜头的畸变修正，利用基于SfM运动恢复算法的AgisoftPhotoScan软件进行拉索的三维重建，得到数字点云纹理模型。用CloudCompare点云处理软件进行点云尺寸和实际尺寸的转换比例尺，得到拉索缺陷的尺寸，位置等参数。实现索体损伤分布展示和尺寸计算，为数字孪生体的缺陷等效做铺垫。 3.基于EfficientNetv2的钢绞线不同腐蚀程度的图像表现分类。钢绞线电化学腐蚀试验得到钢绞线五种不同腐蚀程度的表面数字图像，建立钢绞线腐蚀程度的数据集，用EfficientNetv2分类网络实现图像分类，为之后的缺陷内外连接对应建立规范的图像表述，为通过图像方法推测结构力学性能提供基础图像支持。 |
| 作者： | 柴子怡 |
| 专业： | 结构工程 |
| 导师： | 李冬生 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
