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。     

基于无人机三维建模技术的桥梁检测方法研究

目前使用无人机进行桥梁检测时,仅是利用无人机抵近桥梁拍摄高清照片,通过目视判读的方法对桥梁病害进行单一视角的定性检查。该文提出了一种基于无人机三维建模技术的桥梁检测方法,可以对病害进行多视角、全方位的观察,并可进行定量化量测和描述。首先针对无人机桥梁检测三维建模的特点和要求,自主配置了无人机硬件平台;然后介绍了无人机桥梁三维建模的具体流程和方法,包括航飞拍摄方案制定、图像预处理、三维立体重建3个步骤。使用该文方法对昆楚二级公路某拱桥、高海高速海口大桥、观音山大桥开展了实际的无人机三维建模和检测试验,取得了良好的效果。     

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。     

无人机在山区桥梁结构健康检测中的应用

采用无人机进行桥梁结构健康检测,可以不受地形限制,快速到达检测位置进行高清拍摄,提高桥梁检测效率。文章首先对传统桥梁检测方法存在的问题进行了分析,然后对无人机检测的优点进行了分析,最后对无人机在山区桥梁结构健康检测中的应用进行了探讨,提高了检测效率,节省了人力物力,保证了桥梁结构的耐久性和安全性。     

桥梁混凝土结构表面裂缝自动识别技术研究

为了满足桥梁检测发展的需求,提高混凝土结构表面裂缝的识别精度,基于既有图像预处理技术,提出一种新的裂缝提取及宽度计算方法。在图像预处理基础上,通过裂缝连接保留细小裂缝,将裂缝区域当作连通区域,根据裂缝特征参数过滤虚假裂缝,提取真实裂缝;寻找裂缝区域的交叉点,通过交叉点将整个裂缝区域划分成多个小裂缝,将小裂缝的最小外接矩形分割成多个小矩形区域,计算小矩形区域中裂缝特征参数,得到裂缝宽度。以混凝土试件重力加载形成的表面裂缝为对象,改变相机拍摄距离与拍摄倾斜角度获取裂缝图像,应用该方法计算裂缝宽度,并与裂缝观测仪的测量结果进行误差对比分析。结果表明:该算法裂缝识别率高、检测误差小,裂缝检测误差随拍摄距离或拍摄倾斜角度的增大而增大;为了满足实际工程的需要,采集裂缝图像时,拍摄距离最好保持在1m以内,倾斜角度尽量不要超过15°。     

基于图像处理的桥梁混凝土裂缝检测研究进展

基于图像处理的桥梁裂缝检测技术是近年来快速发展起来的一种新型无损检测技术,具有高效、准确、智能化的特点,具有广阔的工程应用前景。对基于图像处理的裂缝检测技术中的图像识别、图像增强、图像分割、裂缝特征描述及算法进行了综述,介绍了图像处理技术在桥梁裂缝检测过程中的应用研究进展,并进一步探讨了现有裂缝图像识别算法存在的问题。     

混凝土高桥墩裂缝的无人机检测飞行策略与试验研究

近年来桥梁技术的不断发展,其维护检测问题也日益受到重视。无人机检测技术是高桥墩检测方法中一种新型检测技术,本文针对现有无人机检测技术中存在的问题,研究并建立了可见最小裂缝宽度数据库、图幅数据库,以实现高耸桥墩裂缝的高效检测,可为无人机检测技术的推广应用提供参考。     

基于Matlab图像处理方法的桥梁裂缝宽度检测研究

为实现桥梁裂缝检测的快速化和智能化,基于Matlab图像处理技术,提出一种非接触式的桥梁裂缝测定方法,其主要通过预先获取桥梁裂缝图像,采用图像灰度化和中值滤波去噪的方法对目标裂缝图像进行预处理,并通过多次腐蚀和膨胀操作,消除裂缝二值图像的边缘毛刺,最后调用Minboundrect函数对目标裂缝图像进行精确测定。结果表明:所选裂缝样本点的宽度尺寸测定值与真值间的相对误差满足工程要求。     

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.     

基于图像连通域的桥梁裂缝提取方法

裂缝是水泥混凝土桥梁的一种常见病害形式,基于图像的桥梁裂缝病害检测是实现桥梁数字化无损检测的一项新技术.为此,提出了一种基于图像连通域的桥梁裂缝提取方法,以实现从桥梁图像上准确识别裂缝,并提取其特征参数.针对水泥混凝土桥梁图像采集时,施工接缝、光照、污损、抖动等因素造成的干扰,主要分3个步骤实现裂缝目标的提取:(1)对...     

基于图像自动匀光的路面裂缝图像分析方法

基于视频图像检测裂缝是当前路面病害检测的主要手段。为解决路面裂缝检测系统在不同光照条件下裂缝识别可靠性问题,研究了一种基于图像自动匀光的路面裂缝图像分析方法。首先对基于面阵CCD相机图像裂缝检测存在的问题进行分析,提出采用图像自动匀光技术解决不同光照条件下图像一致性输入问题;其次,设计了一种基于自动电子印相机原理的路面图像快速匀光算法,提出了一种实用的路面裂缝图像处理策略并设计了路面裂缝图像处理流程;最后,对一组由面阵CCD相机获取的路面图像按照该方法进行路面裂缝检测试验,验证了基于图像自动匀光的路面裂缝图像分析技术的合理性和实用性。     

高速公路养护设施安全隐患智能检测系统探讨

针对目前高速公路养护中自动化程度低、危险路段设施检测困难等问题,提出一种将无人机应用于高速公路养护设施安全隐患智能检测系统的设想。该系统利用无人机上高清摄像头实现危险路段设施拍摄,通过在无人机里安装微处理器芯片,利用计算机视觉技术对拍摄视频进行智能检测,最后对智能检测结果进行标记并对危险设施进行预警提示。     

光伏组件隐裂特性的自动化检测方法及其系统

权利要求 1.一种光伏组件隐裂特性的自动化检测方法,其特征在于,所述自动化检测方法包括:利用无人机对通电后的待测试光伏组串进行初步巡检,识别得到所述待测试光伏组串的边界区域;根据所述边界区域确定巡检路线,无人机按照所述巡检路线进行巡检并拍摄待测试光伏组串的图像;每当无人机在拍摄到所述待测试光伏组串中每个组串单元的测试图...     

关于无人机在桥梁检测中的应用研究

近几年,随着无人飞行器控制技术及GPS导航技术的发展和成熟,无人机技术应用在桥梁交竣工验收的外观检测上具备了可行性,而可垂直起降的四旋翼无人机由于能够适应各种环境,能以各种姿态飞行,如悬停、前飞、侧飞和倒飞等优点,但若将其直接应用于桥梁检测上还有其他诸多问题需要解决,例如相机拍照是否满足检测需求,桥下无GPS信号时的定位问题,拍照时的距离确定、补充照明、云台的减震以及飞机的飞行安全性等。本文针对这些问题做了一整套解决方案,包括采用惯性导航来解决飞机的无GPS信号时的定位问题,设计了一种设备解决了拍摄距离及补充照明,同时也找到了云台减震的办法,对于飞机的安全飞行我们也设计了一套更安全的保护装置,经试验验证经过改进后的无人机均达到了设计要求指标,在桥梁检测中表现良好,裂缝分辨精度达到0.2mm。     

图像处理技术在混凝土桥梁裂缝检测中的应用研究

通过设置裂缝提取流程,经过灰度化、图形增强、空间滤波以及灰度阈值分割等裂缝图像预处理技术,对桥梁裂缝检测图像进行特征提取,并作出判断,避免了将干扰物误认为裂缝目标的现象。实践证明:这种方法对提取桥梁检测图像中的裂缝是准确有效的。     

基于图像处理的沥青路面裂缝识别算法研究

为了提高沥青路面裂缝检测效率,利用Matlab软件平台,深入研究了图像灰度化、图像灰度变换、滤波去噪、边缘检测等图像处理算法,并提出一种裂缝宽度计算方法。该文的图像处理算法较好地解决了沥青混合料中集料缝隙对裂缝识别产生干扰的问题。选取20幅裂缝图像对该文提出的算法精度进行验证,结果表明:算法可较好地用于沥青路面不规则裂缝、纵缝、横缝的识别与宽度计算。当裂缝宽度在5 mm以上时,相对误差可控制在5%以内;裂缝宽度为2～5 mm时,相对误差可控制在10%以内。     

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。     

关于无人机飞行坐标系与桥梁坐标系的转换

随着近几年无人机技术的发展,越来越多的行业也开始利用无人机去做一些人工难以完成的工作。在桥梁检测领域,无人机相对于传统的人工检测具有速度快,效率高,轻便易携带,操控简单等优势,因此无人机在该领域具有巨大的发展潜力。在利用无人机进行桥梁检测的过程中,由于桥梁结构的原因,桥下GPS信号强度非常弱,甚至没有信号,因此采集到的数据无GPS信息,也就无法与实际的坐标进行关联,这对于之后的信息管理是十分不利的。如何在无GPS信号的情况下将采集到的数据与桥梁坐标系联系起来,是一个急需解决的问题。本文利用无人机的惯性导航系统,采用积分原理,将采集到的信息转换为桥梁坐标系下坐标值。     

基于T梁实测预应力损失的体外预应力加固

运营过程中混凝土桥梁开裂问题成为桥梁结构的一个通病,能否准确分析出裂缝产生的原因对桥梁加固方案的选择至关重要。本文通过对蛮金线K30+819预应力混凝土T梁桥裂缝专项检测结果对裂缝产生的原因进行分析,再利用有限元软件对预应力损失进行计算,综合比较实测有效预应力和理论有效预应力差值,分析预应力损失对桥梁结构产生的不利影响,最后针对预应力损失量按结构的3种设计状态计算找出体外预应力加固补强值,并对加固方法进行比较选择合理处治方案。     

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。