基于改进Mask R-CNN的钢桥多病害智能识别

钢桥在现代交通基础设施中扮演着重要的角色,然而,由于长期服役与环境影响,钢桥可能出现涂层锈蚀、螺栓脱落等病害。为解决传统的钢桥病害检测需要人工参与,费时费力且主观性强的问题,提出了一种基于深度学习的钢桥病害检智能识别方法。利用无人机在图像采集方面的优势,采集大量高清病害图像,经图像增强、标注后建立钢桥病害图像库,用于模型的训练和测试;引入掩膜区域卷积神经网络(Mask R-CNN)构建钢桥病害识别模型,实现钢桥病害的自动识别;并通过更换骨干网络的方式进一步提升模型性能。研究结果表明：将骨干网络由传统的ResNet101替换为VoVNet后模型性能显著提升,交并比阈值为0.5与0.5∶0.95时,优化后模型的识别平均精确率分别为0.84与0.59;相同交并比阈值下较之优化前有约10%的提升。将改进的模型应用于上莘桥表观病害检测,其对涂层锈蚀、螺栓锈蚀与螺栓脱落的识别准确率分别达到了89.3%、85.7%、73.1%;改进的Mask R-CNN模型在钢桥病害识别任务中表现出了优异的性能,无人机与深度学习相结合的方法能够实现钢桥病害的高精度、自动化检测,具有重要的科学研究和工程应用价值。     

基于深度学习的沥青路面病害图像智能识别方法研究

针对现有沥青路面病害人工检测效率低、影响交通、安全风险大等特点,研究基于深度学习的沥青路面病害图像智能识别方法.通过对不同类型沥青路面病害整体目标区域及特殊样貌特征分别进行标记,对图像进行归一化及数据集扩充等一系列处理,以达到增强目标特征的目的.将细分的11类致灾因子作为神经网络的输入变量,通过模糊推理逻辑创建致灾因子...     

基于现代化检测的环氧沥青钢桥面铺装病害研究

环氧沥青混凝土凭借其路用性能优势,被引入我国用于钢桥面铺装已有十多年历史.即便如此,随着使用年限的增长,也会产生铺装病害.基于现代化的检测手段,结合病害出现的特征位置,利用统计学方法,对我国南方几座钢桥环氧铺装结构的使用性能和病害特点进行了研究,并对其病害成因进行了初步分析.     

基于改进掩码-区域卷积神经网络的混凝土病害实例分割

为对混凝土病害图像进行更精确的实例分割，提出改进掩码-区域卷积神经网络(Mask Region Convolution Neural Network, Mask-RCNN)。该网络采用轻量级的可移动网络(MobileNetV2)代替原始Mask-RCNN中卷积层过大的主干网络——残差网络(ResNet101),加入路径聚合网络(PANet),以提高Mask-RCNN提取浅层特征信息的能力。为验证改进Mask-RCNN的识别精度及其在实际工程中的可行性，首先构建多类混凝土病害图像数据集，利用K-means聚类算法确定最适合该数据集的先验边界框的长宽比，然后对比改进Mask-RCNN与原始Mask-RCNN、其它主流深度学习网络对混凝土五类病害(裂缝、露筋、剥落、白皙和空洞)的识别结果；最后利用无人机采集到的钢筋混凝土桥梁病害图像作为测试集进行测试。结果表明：改进Mask-RCNN在提高计算速度的同时能更准确地定位病害，减少了误检和漏检，识别精度高于原始Mask-RCNN及其它深度学习网络；改进Mask-RCNN可以识别无人机拍摄的未经训练的新的混凝土病害图像，识别精度满足实际工程需求。     

深圳市某钢桥桥面铺装层温度场有限元模拟研究

该文针对钢桥桥面铺装层早期破坏这一世界性难题,根据气象部门提供气象资料,钢桥桥面铺装材料热物性参数实测值,利用有限元手段,对深圳市某钢桥桥面铺装层温度场进行了模拟计算。结果表明：钢桥桥面铺装层具有较高的温度,高温作用时间长,温度波动大,正负梯度转化快,不同深度处,最高温度的温度滞后现象不明显等特征。相比路面温度场,钢桥...     

钢桥面沥青铺装维护解决方案

钢桥面铺装承受交通荷载与自然环境的复杂影响,使用条件苛刻。通过分析钢桥面铺装的主要病害形式,并结合钢桥面铺装特点,提出一组典型的维护方案。     

坪山分离立交钢桥面韧性混凝土铺装层施工工艺研究

针对正交异形钢桥面沥青混凝土铺装层易破损的病害问题,提出适应于中小跨径钢桥正交异性钢板韧性混凝土面组合结构铺装。钢桥面采用韧性混凝土铺装能显著提高桥面结构层的刚度,减少钢桥正交异形钢桥面普遍出现的疲劳裂缝和铺装层损害等问题,降低后期的维护成本。以千(岛湖)黄(三)项目立交桥为研究对象,通过研究韧性混凝土的施工技术及工艺,总结经验,为类似工程施工提供借鉴。     

基于卷积自编码的沥青路面目标与裂缝智能识别

目前基于深度学习的路面裂缝识别经常面临训练数据集小，以及路面图片标注成本高等问题，基于小规模路面图片数据集，利用卷积自编码（CAE）方法进行数据增强，开展包括路面裂缝在内的路面目标智能化识别方法研究。在传统图像几何变换数据增强的基础上，采用CAE重构图片方法对原始数据集进行两步骤扩增；利用卷积神经网络DenseNet，设置了不同数据扩增方法的对比试验；针对沥青路面裂缝图片背景较黑，裂缝特征不清晰，无监督聚类学习难度大等问题，采用了一种基于CAE预训练的深度聚类算法DCEC，对经数据增强的路面图片进行无标注的聚类识别。研究结果表明：经过DenseNet网络100代的训练，在同一测试集的测试下，基于原始数据集训练的网络分类准确度为78.43%，利用传统图像处理方法进行扩增后准确度为83.44%，利用所提出的图片增强方法进行数据扩增后准确度达87.19%；在保持扩增后数据集样本量大小相同的情况下，与几何变换、像素颜色变换等经典数据增强手段相比，CAE重构图片的数据扩增方法有较高的路面图片识别精度；CAE数据扩增方法较受训练数据集样本量的影响，利用传统方法将数据集扩增后进行CAE特征学习，重构后的图片样本更易被机器识别；相较于传统机器学习聚类算法，所提出的的DCEC深度聚类方法将聚类准确率提升了约10%，初步实现了无需人工标注的路面目标的端到端智能识别。     

基于YOLOX-Resnet50模型的路面病害识别方法的应用与验证

为降低路面病害检测的人工和时间成本,提高检测效率,文章基于采集的G320国道某路段的病害数据,运用改进的YOLOX-Resnet50模型对路面病害进行智能识别,通过两轮训练（其中第二轮是在第一轮数据集的基础上优选数据集）,以评估该模型的性能,探究YOLOX-Resnet50模型在路面病害检测方面的适用性。研究表明：YOLOX-Resnet50模型在路面检测中对病害检测准确度分别为车辙75%、标线67%、修补67%、纵向裂缝50%、横向裂缝40%、网裂24%,平均准确度达到了53.8%。该模型能初步替代人工对病害进行筛选,可有效减少人工及时间成本。     

冷拌树脂混凝土在市政钢桥面中的应用研究

为了解决市政钢桥面铺装易出现车辙和推移等病害的问题,结合岱山立交钢桥面铺装养护维修项目,对市政钢桥面铺装进行了结构设计和施工工艺研究。钢桥在"弯坡斜"受力特点下,对桥面铺装抗塑性变形能力具有较高的要求。此外,市政钢桥面铺装养护施工还应具有快速养护、快速开放交通的特点。冷拌树脂混凝土刚度大,抗塑性变形能力强,且施工工艺简单,养护时间短,能够快速养护、快速开放交通。因此,冷拌树脂混凝土满足了抗塑性变形和快速养护的需求,适用于市政钢桥面铺装。     

沥青混凝土在桥面养护的应用

桥面铺装的好坏直接影响驾驶性能,同时也是桥梁病害的集发地。利用沥青混凝土进行桥面的养护工作是现阶段通用且实用的方式,通过论述不同桥面铺装结构类型及所用的沥青混合料类型,分析产生病害的种类,分析其原因,给出沥青混合料在不同桥面类型养护中的应用状况。     

混凝土桥面沥青铺装层病害分析及处治方法

当前由于桥面铺装技术不够成熟且未引起足够重视,致使混凝土桥面沥青铺装层使用寿命短,一般3~5年就破坏,严重影响了正常的交通通行并增大运营维护成本,降低投资的经济与社会效益。该文结合对重庆渝黔高速公路七里半大桥沥青铺装层的病害调查,分析了混凝土桥面沥青铺装层产生病害的主要原因。在此基础上提出了双层环氧加橡胶砂胶的防水缓冲粘结层体系,表面层采用改性沥青SMA的处治方法,取得了很好的效果。     

钢桥面沥青铺装层病害及成因分析

介绍国内大跨径钢桥沥青铺装层病害情况。通过调查和总结,归纳了粘结层破坏、开裂、脱层或者剥落、车辙是我国钢桥面铺装层的主要病害类型,分析了产生这些病害的原因。从设计、施工及使用等环节提出减少钢桥面铺装病害的方法。     

基于计算机视觉的钢桥面板裂纹识别方法

钢桥面板疲劳开裂为常见的钢桥病害，准确快速地发现并确定钢桥面板裂纹几何特征对降低运维成本、制定运维策略具有重要意义。针对传统人工巡检效率低、检测环境恶劣等问题，提出了基于计算机视觉的钢桥面板裂纹及其特征识别方法。采用目标检测网络YoloV5和图像语义分割网络U-Net++相结合的方法识别裂纹。根据2个网络的结构特性标注图像中的目标后生成数据集，并分别对网络中的参数进行训练。利用训练后的YoloV5与U-Net++分阶段对待测裂纹图像进行检测与分割，并通过阈值分割优化U-Net++分割结果，再通过骨架化后得到裂纹骨架线；在确定裂纹形貌后，采用YoloV5识别出的标定块求解透视变换矩阵与像素尺度系数，然后对裂纹骨架线进行图像矫正并确定裂纹几何特征。研究结果表明：YoloV5可准确检测出裂纹与标定块，且检测稳定性好；通过优化U-Net++训练时输入的像素尺寸，提高了U-Net++训练的收敛速度，网络损失由0.121降至0.096;求解透视变换矩阵时，使用所有角点坐标拟合该矩阵的最小二乘解可提高图像矫正标定的精度；当图像采集距离较远、角度较大时，角点投影误差增大，且该误差对角度更为敏感；不同图...     

国内大跨径钢桥面桥梁主要铺装类型介绍

国内许多大跨径钢桥的桥面沥青混凝土铺装层在投入使用初期便出现了疲劳开裂、车辙、滑移与脱层、鼓包等病害,造成较大的经济损失和社会影响。该文着重介绍国内大跨径桥梁钢桥面铺装类型的发展过程及结构类型,为钢桥面铺装类型的研究和方案设计提供参考。     

公路桥桥面铺装受力分析与力学特性研究进展

文中主要分析了混凝土公路桥和钢桥桥面铺装的病害及其原因,介绍了国内外对桥面铺装受力分析和力学特性的研究进展,指出了今后主要的研究方向及尚待解决的问题。     

基于深度学习的驾驶员状态识别

提出了基于驾驶员脸部及周围信息的驾驶员状态检测方法。文章通过实车摄像头采集了驾驶员驾驶状态视频数据,利用Dlib和OpenCV库对采集的驾驶员图像进行脸部检测,基于驾驶员脸部数据建立了深度学习数据集,然后基于该数据集设计了一种卷积神经网络模型FaceNet,利用PyTorch深度学习框架在数据集上对模型进行训练,最终得到了有较高准确率的驾驶员状态检测模型,其可识别抽烟、睡觉、左手打电话和右手打电话四种驾驶员状态。     

山区高速公路桥面铺装破坏形式及成因分析

通过对重庆市多条高速公路桥面铺装典型病害的调查和统计,分析了山区高速公路常用桥面铺装的病害成因,为防治山区高速公路桥面铺装的病害提供参考和借鉴。     

大跨径钢桥桥面铺装早期病害分析及对策

该文通过调查和总结,认为车辙、开裂与粘结层破坏是我国钢桥面铺装早期病害的主要形式。结合早期病害与不同类型桥面铺装材料的性能、构造条件、交通条件等的关系,深入分析钢桥面铺装早期病害产生的原因,并从多角度提出相应的防治对策。     

基于YOLOv5和DeepLabv3+的桥梁结构病害智能识别技术

传统以人工为主的桥梁表观病害识别方式存在着效率低下、风险高等问题，已不能满足当今桥梁检测任务的要求。针对上述问题，本研究结合目标检测与语义分割技术，提出了一套桥梁表观病害智能识别算法，完成了桥梁病害的智能识别与尺寸计算任务。研究中通过多种手段收集桥梁病害图像，构建桥梁表观病害目标检测数据集和语义分割数据集；训练了YOLOv5病害识别及定位网络和DeepLabv3+病害区域提取网络；对病害区域提取结果进行噪点去除、毛刺剔除、裂缝体分解等预处理后，采用邻域划分和正交骨架实现了病害长、宽尺寸的计算，并在桥梁实拍病害图像上进行了算法测试。本研究开发的病害识别技术实现了桥梁表观病害高效率、高精度的自动识别和尺寸计算，提升了桥梁检测的工作效率和安全性。