论文摘要
计算机视觉检测方法在桥梁结构检测中的使用极大地提高了检测效率,该方法的核心是图像分析处理。研究了深度卷积神经网络在桥梁结构表面病害图像分类识别上的应用。根据桥梁各类病害的统计,将桥梁结构表面病害归纳为裂缝、锈蚀与缺损三大类。通过迁移学习技术,迁移训练AlexNet卷积神经网络,构建了桥梁结构表面病害自动识别模型。对比了5种训练集与验证集的组合,结果表明训练样本的不同组合对模型训练具有一定影响。在不同验证集上,模型的最高正确率为98.21%,模型训练较好。在模型实际应用中,三种病害图像的识别率分别为裂缝86%、锈蚀82%、缺损70%,具有较高的识别正确率,可用于桥梁结构表面病害的快速识别。
论文目录
文章来源
类型: 期刊论文
作者: 韩晓健,赵志成,沈泽江
关键词: 钢筋混泥土缺陷,无损检测,图像识别,卷积神经网络,深度学习
来源: 结构工程师 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 公路与水路运输,计算机软件及计算机应用
单位: 南京工业大学土木工程学院
分类号: TP391.41;U445.71
DOI: 10.15935/j.cnki.jggcs.2019.02.014
页码: 106-111
总页数: 6
文件大小: 1831K
下载量: 278