基于无人机及Mask R-CNN的桥梁结构裂缝智能识别

桥梁结构表面裂缝检测为桥梁状态识别、病害治理、安全评估提供了重要状态信息和决策依据。为解决传统人工检测方法存在的危险性高、影响交通、费用昂贵等问题,提出基于无人机（Unmanned Aerial Vehicle,UAV）及深度学习的桥梁结构裂缝智能识别方法。采用大疆M210-RTK多旋翼无人机进行贴近航摄,获取桥梁结构混凝土表面高清图像;利用SDNET裂缝数据集等图像资源,制作1 133张标记裂缝精确区域的深度学习训练样本图像库;引入掩膜区域卷积神经网络（Mask R-CNN）深度学习算法,训练和建立Mask R-CNN裂缝识别模型;基于Mask R-CNN裂缝识别模型,采用矩形滑动窗口模式扫描混凝土表面高清图像,实现裂缝自动识别和定位。构建包含图像二值化、连通域去噪、边缘检测、裂缝骨架化、裂缝宽度计算等流程的图像后处理方法,实现裂缝形态及宽度信息自动获取。通过精度验证试验,证实采用M210-RTK无人机+ZENMUSE X5S相机+45 mm奥林巴斯镜头的组合装备,当无人机至桥梁结构表面垂直距离为10.0 m时,无人机方法识别的裂缝宽度与裂缝测量仪结果吻合,其绝对误差小于0.097 mm,相对误差小于9.8%。将该无人机裂缝检测方法应用于高136.8 m长沙市洪山大桥桥塔表面裂缝检测,采用深度学习Mask R-CNN算法进行裂缝智能识别,其裂缝识别准确率和召回率分别达到92.5%和92.5%。研究结果表明：无人机桥梁裂缝检测方法可实现高耸桥梁结构表面裂缝的远程、非接触、自动化检测,具有重要的科学研究和工程应用价值。     

基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法及验证

针对基于边缘检测算法、阈值法等传统的混凝土裂缝检测算法易受到干扰的问题，采用基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法对混凝土裂缝检测难的问题进行研究，并通过对桥梁裂缝图像真实数据集进行检测验证。检测结果表明：1)所研究的轻量化卷积神经网络模型能够实现像素级的标注；2)所研究的轻量化卷积神经网络模型训练参数相比其他文献明显减少，权重文件所占内存明显减小；3)所研究的神经网络模型能够清晰准确地划分出图像中的裂缝像素，且不受图像分辨率大小、对比度等因素影响。上述结果表明，所研究的网络模型具有在像素级准确检测裂缝的良好性能，且权重文件占用内存小，能很好地适用于工程实践。     

雾霾天气下的桥梁裂缝检测

随着空气湿度增加及雾霾加剧,能见度降低,晴朗天气下传统的桥梁裂缝检测已不能满足不良天气检测的需要.针对此问题,提出一种新的桥梁裂缝检测方法,将暗通道先验去雾算法和图像处理裂缝检测相结合.在能见度下降的情况下,对待检裂缝图片进行暗通道去雾处理,获取去雾后的图像.接下来进行裂缝检测,通过灰度化,均值滤波对图像预处理,边缘检测和图像分割,使用连通分量提取获取裂缝特征,再通过计算裂缝的分布密度来判断裂缝类型.使用200张桥梁裂缝图片进行检验,实验结果表明,该算法识别横向、纵向、网状裂缝的准确度可以达到93. 3%,90%,87. 5%,具有良好的识别能力,弥补了传统算法的局限性,桥检适用范围得到了推广.     

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。     

结合图像增强和数学形态学的水泥混凝土路面裂缝识别方法

针对水泥混凝土路面裂缝识别的干扰和噪声问题,提出一种结合图像增强和数学形态学的裂缝检测方法。首先利用小波变换和空域滤波滤除图像中的干扰和噪声;接着采用形态学基本操作增强裂缝与背景的对比度;最后采用基于形态学的多尺度梯度边缘检测方法实现裂缝提取。试验结果表明,相比于传统的基于边缘检测算子的裂缝检测方法,文中方法可以有效地去除图像中的干扰和噪声,同时能够完整地保留裂缝方向及形状。     

远距离混凝土桥梁结构表面裂缝精确提取算法

在分析桥梁结构表面裂缝图像特征基础上,结合改进Snake主动轮廓模型图像分割算法,融合距离传感器信息,提出一种综合高分辨率图像采集、裂缝敏感区域截取、孤立噪声去除、裂缝旋转和标记的裂缝提取算法,实现了交互式远距离混凝土桥梁结构表面裂缝的精确提取。分析结果表明:改进Snake主动轮廓模型图像分割算法误分率为3.89%,运算时间为153ms,试验对比裂缝宽度显微镜观测值,裂缝提取绝对误差小于0.05mm,该算法可满足工程检测需求。     

基于IFC标准的混凝土裂缝信息分析

针对混凝土桥梁裂缝无法参数化表达的问题,本文将BIM技术引入桥梁管养检测裂缝病害的可视化中,以BIM核心建模软件Sketch Up为开发平台,IFC标准为基础通用语言,构建混凝土桥梁裂缝病害通用IFC参数模型。分析该裂缝IFC数据文件。提出基于IFC标准的立体模型病害参数化建模的新方法,对混凝土裂缝进行可视化表达。通过裂缝信息与模型的交互,实现裂缝病害的显示、病害特征信息属性导出、修改、导入和可视化的目标。     

基于深度学习语义分割的桥梁病害图像像素级识别方法

为了解决如何从背景中把感兴趣的桥梁病害区域以像素级精度识别出来的问题,本文针对混凝土裂缝、钢材锈蚀、表面涂层脱落、混凝土掉块4种桥梁局部病害形式,提出了一种基于深度学习语义分割的桥梁病害图像像素级识别方法,通过构建由一系列功能层组成的深度卷积神经网络(包括卷积层、批归一化层、非线性激活层、最大池化层、反卷积层、全连接层、softmax分类层等),实现像素级的病害区域识别。以考虑不平衡数据处理的像素级交叉熵分类损失为模型训练的损失函数,同时采用数据增强方法,对输入输出图像随机采用逆时针旋转90°、180°、270°、水平翻转、竖直翻转的形式来提高模型的泛化能力。将400张原始病害图像和其像素级分割真实值分别作为输入和输出,80%进行训练,剩余20%作为测试集。随着训练过程的进行,损失不断下降,准确率逐渐上升,最终经过100轮次训练(每轮的批次大小为32),准确率提升至94. 96%。测试结果表明,训练模型基本可以实现对混凝土裂缝、钢材锈蚀、表面涂层脱落、混凝土掉块4种桥梁局部病害区域的像素级识别,其中可以很好地识别出在较简单背景下的混凝土裂缝病害区域,而对于复杂背景下的表面涂层脱落、混凝土掉块、钢材腐蚀耦合发生时的识别结果的准确度则相对降低。可能原因是由于在实际复杂场景下,表面涂层脱落、混凝土掉块具有很大程度上的相似性,并且钢材腐蚀往往伴随着表面涂层脱落、混凝土掉块的发生。     

基于卷积神经网络算法的混凝土桥梁裂缝识别与定位技术

无人机技术的进步与高性能计算机的出现,促进了桥梁结构智能化检测的发展。为了实现对无人机获取的大量照片的自动化处理,提出了一种基于计算机视觉的混凝土桥梁裂缝识别与定位技术。以卷积神经网络为核心算法,构建相应的数据库,通过对现有方法的改进,提出一种混凝土桥梁裂缝高效识别的技术。用于检测桥梁裂缝的卷积神经网络架构由3组卷积与池化层、两组Dropout与全连接层组成,算法测试集准确率为93.6%。结合卷积神经网络与滑动窗口算法,搭建相应的数据库与网络架构,提出一种混凝土桥梁裂缝准确定位的技术。结果表明,本文所提出的混凝土桥梁裂缝识别与定位技术,计算效率较高,准确度较好,可以直接应用于识别由无人机拍摄得到的桥梁裂缝照片。此项技术加速了识别速度且具有较高的准确率,为智能化、自动化检测桥梁病害奠定了良好的基础。     

声发射技术在混凝土空心板桥裂缝检测中的应用

由于传统的裂缝检测方法效果差且不安全,提出采用声发射技术进行桥梁裂缝检测的方法。以驻马店练江河桥为背景,对其南边跨进行静载试验,利用声发射技术检测试验过程中混凝土空心板桥板底和铰缝处的裂缝扩展情况,研究声发射信号与裂缝扩展的对应关系。结果表明:试验过程中,混凝土空心板受力良好,没有出现宏观裂缝和结构性损伤,铰缝产生了较为严重的损伤;低幅值信号由微裂纹的扩展和旧裂缝断裂面的相互摩擦产生,高幅值信号由宏观裂缝的进一步扩展产生;声发射信号分析结果与桥梁实际病害一致,声发射技术应用于混凝土桥梁的裂缝检测具有较好的可行性。     

武汉阳逻长江公路大桥引桥裂缝处治措施研究

桥面水泥混凝土出现裂缝是桥梁施工中的通病。裂缝将不同程度地降低桥面整体性和耐久性,影响桥梁的使用寿命。结合武汉阳逻长江公路大桥的工程特点,对水泥混凝土裂缝处治措施进行研究,提出采用裂缝修复材料处治裂缝,并论证防治措施的可行性。     

预应力混凝土桥梁裂缝的成因分析及维修加固

文中通过对预应力混凝土桥梁裂缝的成因成因分析，提出了避免裂缝出现的处理方法；同时通过对预应力混凝土桥梁裂缝的实例分析，提出具体的维修与加固办法。     

基于Jetson TX2的路面裂缝检测系统设计

针对目前采用深度学习框架的路面裂缝检测方法存在落地应用难、成本高与效率低等问题，设计了基于Jetson TX2的路面裂缝检测系统。通过YOLOv5网络识别路面裂缝，使用U-Net网络对裂缝目标进行分割，并根据分割结果进行路面健康评价；其次，利用TensorRT方法优化深度学习模型，提高推理速度；最后，结合DeepStream框架设计路面视频流分析系统并部署到Jetson TX2嵌入式平台。实验结果表明：路面裂缝目标检测模型对横向、纵向和网状裂缝3种路面常见路面裂缝的检测精度均达到了90%以上，且模型优化后的推理速度为30.7 ms/帧，速率提升35.1%;最后经过验证，Jetson TX2嵌入式平台的裂缝漏检率较低且满足路面裂缝检测的实时性，能够降低路面裂缝检测的成本，给出相应的维修建议，提高路面裂缝检测效率与自动化程度。     

基于超声法的梁板裂缝的无损检测及应用

混凝土桥梁在建造和使用阶段容易受设计施工及环境因素的影响而产生裂缝,影响结构的正常使用。为保证桥梁的安全运行,需采用合理的检测方法对裂缝进行检测,确定裂缝深度,分析裂缝成因,为制定裂缝处理方案提供依据。基于超声法的原理,对某桥梁板裂缝区域进行单面平测、双面测量,并辅以高倍数读数显微镜对裂缝进行宽度量测,用以确定裂缝的深度、宽度及影响范围,结果表明该方法用声速、波形等声学参数检测混凝土裂缝具有较高的检测精度。     

基于数学形态学的路面裂缝图像处理技术

为精确提取路面裂缝信息,将数学形态学方法应用于路面裂缝图像的分析与处理中。首先将目标图像二值化并通过全局阈值法对其进行预处理,然后通过数学形态学的开、闭运算去除图像噪声;为修补裂缝断裂,对目标图像进行膨胀、细化循环操作;为捕获目标图像边缘的有效信息,通过形态学边缘检测算子对图像边缘进行叠加与捕获。最后,采用轮廓链码方法对检测结果进行计算。结果表明,单一纵向裂缝循环14次最佳,路面龟裂循环37次最佳。经数学形态学方法进行处理的裂缝计算结果与实际检测结果相比误差小于5%。     

钢筋混凝土桥梁火灾后检测评估

为了制定火灾后桥梁的维修措施,需对火灾后桥梁进行检测评估。以某火灾后钢筋混凝土桥梁为背景,介绍该桥检测评估主要内容。根据混凝土颜色改变、火灾裂缝、锤击反应、混凝土脱落、受力钢筋露筋、受力钢筋粘结性能及结构变形等方面对火灾后桥梁进行初步鉴定。初步确定受损区域等级后,采用表观检测法和热分析法相结合的方式对火灾温度进行评定,采用钻芯法对混凝土强度进行测定,对露筋区域的钢筋进行钢筋屈服强度测试,结合各项测定结果,综合判定混凝土及钢筋刚度满足设计要求。最后为检验桥梁火灾后的承载能力,对桥梁进行了静动载试验。     

公路预应力混凝土桥梁裂缝分析

总结了常见的预应力混凝土桥梁的开裂情况,引述和分析了开裂预应力裂缝的力学特征。对两座典型的公路预应力混凝土桥梁裂缝进行了检测,分析了裂缝产生的原因,通过荷载试验掌握裂缝对桥梁工作状况和承载能力的影响,并对桥梁的使用状态进行评估,提出了加固处理措施。总结出预应力混凝土桥梁裂缝处理一般步骤和基于荷载试验的实用方法。     

桥梁裂缝监测的光纤传感网络

混凝土裂缝作为力学间断面，是桥梁主要承力结构的损伤达到危险程度的集中表现。裂缝检测应是桥梁结构安全监测的首要项目，它对评价桥梁状况、保障安全、避免垮桥事故具有重要作用。研制的光纤传感网络首次为实现大范围、连续的裂缝监测，提供了高技术手段，可实现定宽(缝宽精度达o．01mm)、定位、定向。其性能先进可靠，检测方便，已在工程应用中得到了初步验证。     

带裂缝的装配式混凝土桥梁静载试验研究

混凝土结构的桥梁使用状况受到设计、施工、环境、使用荷载等因素的影响较大,任意一个影响因素均可能使其产生开裂,因此,在役混凝土桥梁普遍存在带裂缝工作的情况。装配式预应力混凝土桥梁,目前使用比较多的梁型是空心板梁、T梁及小箱梁。其中,预应力混凝土T梁受力明确,使用情况较好,裂缝等病害普遍较少。现着重研究装配式空心板梁及小箱梁,根据裂缝的形态及部位,一般可将其分为非受力裂缝和结构受力裂缝。在桥梁静载试验过程中,受力裂缝会直接影响到桥梁应变等参数的测试。通过对裂缝分析并结合工程案例,得到带裂缝的装配式混凝土桥梁静载试验静力参数采集受到的影响、测试方法及应对措施,为带裂缝工作的装配式混凝土桥梁静载检测提供参考。     

基于级联YOLOv7的自动驾驶三维目标检测

针对图像和原始点云三维目标检测方法中存在特征信息残缺及点云搜索量过大的问题，以截体点网（frustum PointNet, F-PointNet）结构为基础，融合自动驾驶周围场景RGB图像信息与点云信息，提出一种基于级联YOLOv7的三维目标检测算法。首先构建基于YOLOv7的截体估计模型，将RGB图像目标感兴趣区域（region of interest, RoI）纵向扩展到三维空间，然后采用PointNet++对截体内目标点云与背景点云进行分割。最终利用非模态边界估计网络输出目标长宽高、航向等信息，对目标间的自然位置关系进行解释。在KITTI公开数据集上测试结果与消融实验表明，级联YOLOv7模型相较基准网络，推理耗时缩短40 ms/帧，对于在遮挡程度为中等、困难级别的目标检测平均精度值提升了8.77%、9.81%。