基于深度学习与多尺度分析的路面裂缝检测的研究与应用

发布时间：2023-12-10 18:29

　　近年来,随着经济的飞速发展和科学技术水平的进步,一方面,人们出行更加便利,另一方面,公路的健康也因车载的加重、恶劣的天气、自然老化等因素的影响而越来越差。裂缝是影响路面性能的常见路面病害,传统的人工检测方法不仅耗时、费力、准确率低而且安全性低。因此,自动裂缝检测识别系统的研究对于确保交通的安全具有重要意义。目前已经有许多学者在自动裂缝检测识别方面作了研究,但由于路面裂缝图像的光强不均匀性、裂缝的拓扑复杂性、纹理背景嘈杂等缺点,使得目前路面裂缝识别方法的准确率普遍偏低,而且由于计算时间复杂度大多较高,导致无法及时的检测出裂缝,难以满足实际要求。针对人工现场检测方法的不安全性以及传统图像处理裂缝识别中低精度等问题,本文以提高裂缝识别率以及实时检测裂缝为目的,开展了如下研究工作:(1)传统的裂缝检测通常采用现场拍照,线下识别的方法对裂缝进行检测,为了实现对路面裂缝的实时在线检测,本文对基于深度学习的路面裂缝检测进行了研究与实现。(2)为了实现路面裂缝图像的快速检测识别,采用一种基于YOLO v3的深度学习网络对路面裂缝进行检测。在此基础上,为了实现对裂缝视频的检测,运用OpenCV对视频进行...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题来源
    1.2 课题研究背景、目的和意义
    1.3 相关领域国内外研究现状
        1.3.1 基于传统图像处理的裂缝检测方法的研究现状
        1.3.2 基于多尺度形态学的路面裂缝检测方法研究现状
        1.3.3 基于机器学习与深度学习的路面裂缝检测方法研究现状
    1.4 本文的主要研究内容与组织结构
第2章 基于YOLO v3 的路面裂缝检测识别算法研究
    2.1
        2.1.1 Two-stage目标检测
        2.1.2 One-stage目标检测
        2.1.3 两种算法的对比研究
    2.2 YOLO v3 目标检测原理
        2.2.1 YOLO v3 的检测过程
        2.2.2 YOLO v3 网络结构
        2.2.3 Bounding box及损失函数
    2.3 裂缝检测实验设计
        2.3.1 数据集的处理
        2.3.2 网络模型训练过程
    2.4 实验结果与分析
        2.4.1 算法性能评价指标
        2.4.2 模型检测结果及对比分析
    2.5 本章小结
第3章 基于NSCT的多尺度几何分析路面裂缝图像去噪与识别研究
    3.1 引言
    3.2 NSCT去噪算法
        3.2.1 非下采样金字塔(NSP)
        3.2.2 非下采样方向滤波器组(NSDFB)
        3.2.3 阈值选取
        3.2.4 滤波器组设计
    3.3 裂缝图像去噪识别实验及分析
    3.4 本章小结
第4章 裂缝检测软件系统的设计与实现
    4.1 软件系统的总体架构设计
    4.2 软件系统各模块的设计与实现
        4.2.1 裂缝检测流程
        4.2.2 视频分割模块
        4.2.3 交互界面模块
        4.2.4 数据持久化模块
    4.3 系统测试与分析
        4.3.1 视频分割模块的测试
        4.3.2 裂缝检测模块测试
        4.3.3 数据库功能测试
        4.3.4 系统整体功能测试
    4.4 本章小结
第5章 总结与展望
    5.1 全文工作总结
    5.2 未来工作展望
致谢
参考文献
附录 研究生期间的研究成果



本文编号：3872910