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。     

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。     

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。     

高速公路桥梁病害机理及防治研究

为了进行高速公路桥梁病害机理及防治研究,本文详述了高速公路桥梁病害类型,产生原因,依托实际工程,介绍了高速公路桥梁的防治养护具体措施。研究结果表明:桥梁病害防治应充分调查分析病害机理,针对不同机理采取对应措施;混凝土脱落导致钢筋外露可以通过环氧砂浆修复;钢筋锈蚀可以通过砂纸除锈;裂缝病害可通过表面封闭法、注浆法进行修理;用Nova Chip技术来对桥面进行养护。     

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...     

基于机器视觉的路面裂缝病害多目标识别研究

为了建立一种基于深度学习卷积神经网络的多目标路面裂缝检测模型,实现对路面裂缝的精确识别、分割与统计,采用卷积神经网络Mask R-CNN为主干框架,融入ResNet模型与特征金字塔网络(FPN)提高对病害特征提取的精度,建立了针对裂缝病害识别的基础网络体系;考虑裂缝病害图像特征,采用随机梯度下降算法与冲量算法优化损失函...     

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。     

基于语义分割网络模型的路面裂缝识别

沥青路面在使用过程中,很容易因基层的干缩、温缩以及外部的车辆荷载作用发生开裂。随着时间推移,在内、外部应力的不断作用下,这些裂缝的开裂状况会逐渐加深,导致路面使用寿命降低。目前,路面裂缝识别多集中识别图片中是否存在裂缝,并未达到像素级的精度。文中提出利用语义分割网络模型去识别路面裂缝,能够将裂缝图片与对应标签进行逐像素的学习与训练,从而使训练出的网络模型能够识别裂缝的具体区域和形态,实现像素级的识别精度。     

市政桥梁施工混凝土裂缝分析及其防治

桥梁工程施工中,混凝土裂缝是一种常见的病害,不仅会对桥梁的美观造成一定的影响,还会影响桥梁的结构安全。首先简单介绍市政桥梁施工中常见的几种混凝土裂缝,然后从水泥、钢筋锈蚀、日照、收缩裂缝、不均匀沉降几方面分析了混凝土裂缝的成因,最后详细阐述针对混凝土产生裂缝的成因所采取的防治措施,有严控材料质量、钢筋锈蚀裂缝防治、混凝土浇筑控制、出现裂缝后的治理措施几方面,可为类似工程提供借鉴。     

混凝土桥梁病害成因分析及对策研究

该文探讨了混凝土桥梁病害的影响。桥梁病害成因分析的市场前景和意义。对引起混凝土桥梁病害的主要成因,如锈蚀、冻融、支座、伸缩缝、桥面铺装和裂缝,进行了归纳总结,并对主要成因进行了相应的对策分析。最后,针对我国的具体情况,对桥梁病害提出了建议性处理措施。     

基于Faster R-CNN与形态法的路面病害识别

为提高基于图像处理的路面表观病害检测识别效率及精度,引入目标检测中的快速区域卷积神经网络（Faster Region Convolutional Neural Network,Faster R-CNN）算法以快速识别病害种类、位置与面积;针对已提取的带边框裂缝病害区域,采用基于VGG16迁移学习与模型微调的CNN与50%重叠率的滑动窗口定位裂缝骨架,进而利用形态法操作提取裂缝形态,计算其长度与宽度;针对Faster R-CNN算法在病害种类识别时漏检率低但误检率偏高的问题,引入精确率、召回率和F₁分数指标对算法进行评估,并根据F₁分数最大值确定相应的病害框像素面积及置信度阈值来降低误检率,以适应路面表观病害多样化的应用场景。运用开发的病害识别算法对广东一高速公路路面进行表观检测。结果表明：所提方法对典型裂缝图片的识别效率及精度均高于单独应用CNN滑动窗口和传统形态法的全局图像处理方法;对分段的裂缝边界框进行合并,且病害框像素面积及置信度阈值取优化值后,横向裂缝精确率由合并前的0.861提升至合并后的0.918,横向及纵向裂缝误检率则分别由调整前的20.4%和23.8%下降至调整后的8.2%和6.9%,漏检率则稍有提高。基于Faster R-CNN、CNN及形态法的路面病害识别方法具有工作高效、漏检率低的优点,在引入评估指标、最优病害框像素面积与置信度阈值后,病害误检率也大幅降低,具有潜在工程应用价值。     

基于卷积神经网络的路表病害识别与测量

为进一步提高利用二维图像统计路面病害的精度与效率,将卷积神经网络（Convolutional Neural Network,CNN）技术引入了基于图像分析的路面病害识别与测量。首先,将原始图像进行等尺寸分割作为CNN的训练样本。其次,经结构设计、前反馈算法训练及样本测试3个步骤后,建立病害识别模型（CNN1）。用训练完成的CNN1对所有图像进行病害类型识别并将输出结果作为裂缝特征提取模型（CNN2）和坑槽特征提取模型（CNN3）的训练样本。采用相同步骤建立裂缝特征提取和坑槽特征提取模型,完成训练后,运行CNN2,CNN3对路面裂缝与坑槽图像进行特征提取。最后,分析图像分辨率对3个CNN识别和特征提取精度以及效率的影响。结果表明：CNN1可以准确识别多种病害,CNN2的裂缝长度提取的平均误差为4.27%,宽度提取的平均误差为9.37%,裂缝病害严重等级判断准确率为98.99%;CNN3的单张图像中的坑槽个数测量无误差,单个坑槽面积的平均误差为13.43%,坑槽病害等级判定准确率为95.32%,可见CNN具有较高的测量精度;CNN1在使用CPU的情况下测试完成原始图像平均用时为704 ms·幅^-1,CNN2用时为5 376 ms·幅^-1,采用图形处理器加速后CNN1用时为192 ms·幅^-1,CNN2测试平均用时为1 024 ms·幅^-1,可见CNN在图形处理器加速下效率具有显著优势,相比其他方法,在图像分辨率高于70像素时,CNN对路面裂缝与坑槽的识别与测量具有运算高效、结果精准等优势。     

空心板梁桥结构退化规律及其预测研究

通过资料调研整理,总结了上海市公路与城市道路预应力混凝土和普通钢筋混凝土梁桥结构的常见病害特点,运用统计方法建立了空心板梁桥结构技术状况退化曲线和结构状况变化的预测模型。结果表明:空心板梁桥主要病害类型为主梁混凝土碳化、钢筋锈蚀,主梁混凝土裂缝,铰缝损伤,支座综合病害,伸缩缝损坏、墩台顶渗水,混凝土表层缺陷;至2014年底,上海市各区域桥梁技术状况指标BCI平均值为92.4,总体技术状况良好;预应力混凝土和钢筋混凝土空心板梁桥大致分别在20 a和15 a桥龄时结构状况退化为三类(C级)。     

使混凝土和钢桥长寿的涂抹材料

降低桥梁寿命的最大的原因,是雨水、道路撒水、喷防冻结剂产生的冻解水和水影响造成的材料劣化。混凝土桥寿命降低的原因是由于水渗人造成的钢筋、PC钢棒锈蚀;涂层劣化造成的钢材锈蚀使钢桥寿命降低。桥面铺设寿命降低的原因是由于防水层劣化、桥面积水造成的铺设损伤。该文对优于通用的混凝土保护材料及在钢桥的钢床中使用的涂层系列防水材料进行了论述。     

贵州省7座在役连续刚构桥病害调查与分析

对贵州省7座在役连续刚构桥病害情况进行调查,并对其主梁裂缝、线形、预应力状况、耐久性病害进行分析与总结,结果表明:7座在役连续刚构桥主梁普遍存在裂缝、下挠、预应力损失等结构性病害,同时也存在钢筋锈蚀外露、混凝土破损剥落孔洞等耐久性病害。     

混凝土裂缝与钢筋锈蚀的成因及防治措施

钢筋混凝土桥梁结构的钢筋锈蚀及其裂缝的产生和发展,一直是人们特别重视的问题之一.结合合宁高速公路桥梁现状从混凝土保护层的物理、化学破坏入手,分析梁板裂缝和钢筋锈蚀的机理,以及对桥梁结构的影响;并根据锈蚀的成因提出了相应的预防措施.     

基于Crack Mask R-CNN模型的路面裂缝像素级分割及测量算法应用分析

针对现有路面裂缝分割存在的问题,该文提出一种Crack Mask R-CNN像素级分割算法。Crack Mask R-CNN是一种用于路面裂缝图像的实例分割框架,其不仅可对图像中的裂缝进行检测,还可以对每一个裂缝的具体轮廓给出一个高质量的分割结果。首先对采集的道路裂缝大数据进行数据去噪和数据增强,构建用于模型训练、测试的数据集;其次,通过优化分割算法中锚框的比例和大小提高模型选择裂缝候选区域的准确度,并使用IoU-guided非极大值抑制（Non-Maximum Suppression,NMS）算法替代传统算法,以此提高道路裂缝分割精度。在模型学习超参数优化方面,通过训练多种组合算例,从中选择分割效果最优的超参数组合,最终训练出裂缝分割精度为93.45%的分割模型;最后,通过提取裂缝区域的拓扑特征信息,进一步实现裂缝像素级别尺寸信息的有效测量。     

既有桥梁的静动力分析与鉴定评估

既有桥梁的健康状况日益受到人们的关注,其承载能力评定是桥梁安全性研究的重要内容之一。兰州市西沙黄河大桥受周围环境和车辆超载的影响,桥梁的工作条件日益恶化,如梁体混凝土老化、裂缝开展、钢材锈蚀等。为此,通过静动力的理论分析和现场测试,根据相关规范对桥梁的一些主要指标进行了评估,为桥梁的养护和维修提供了必要的理论依据。