基于深度学习的桥梁裂缝检测算法研究

发布时间：2022-04-17 18:45

　　传统的图像处理算法不能很好地对桥梁裂缝进行检测,而经典的深度学习模型直接用于桥梁裂缝的检测,效果不甚理想.针对这些问题,本文提出了一种基于深度学习的桥梁裂缝检测算法.首先,利用滑动窗口算法将桥梁裂缝图像切分为较小的桥梁裂缝面元图像和桥梁背景面元图像,并根据对面元图像的分析,提出一种基于卷积神经网络（Convolutional neural networks, CNN）的DBCC （Deep bridge crack classify）分类模型,用于桥梁背景面元和桥梁裂缝面元的识别.然后,基于DBCC分类模型结合改进的窗口滑动算法对桥梁裂缝进行检测.最后,采用图像金字塔和感兴趣区域（Region of interest,ROI）结合的搜索策略对算法进行加速.实验结果表明:与传统算法相比,本文算法具有更好的识别效果和更强的泛化能力. 

【文章页数】：16 页

【文章目录】：
1 基于人工扩增的数据集预处理方法
2 基于CNN深度学习的DBCC分类模型及构建方法
    2.1 DBCC模型提出的原因分析
    2.2 DBCC模型的构建
        2.2.1 DBCC全模型
        2.2.2 使用更小的输入图像
        2.2.3 使用更大的卷积核
        2.2.4 加深网络深度
        2.2.5 每层使用更多的卷积核
        2.2.6 添加局部响应值归一化层(LRN)
        2.2.7 使用Dropout层
        2.2.8 DBCC模型的网络深度和卷积层数确定的依据
3 改进的窗口滑动算法
4 算法的加速策略
5 基于桥梁裂缝面元的裂缝提取和定位算法
6 实验结果与分析
7 结论


【参考文献】：
期刊论文
[1]中国桥梁工程学术研究综述·2014[J]. 马建,孙守增,杨琦,赵文义,王磊,马勇,刘辉,张伟伟,陈红燕,陈磊,康军.  中国公路学报. 2014(05)
[2]基于小波和Radon变换的桥梁裂缝检测[J]. 魏武,王俊杰,蔡钊雄.  计算机工程与设计. 2013(09)



本文编号：3646084