(5.7)--5.1.5结构健康安全智能监测方法与技术.pptVIP

第五章现代工程结构健康监测与检测技术

本章目录5.1结构健康检、监测研究背景5.3基于计算机视觉的基础设施检测技术5.4基于计算机视觉的基础设施监测技术5.5基础设施自动化检测和监测所面临的挑战5.2计算机视觉技术的发展

5.5基础设施自动化检测和监测所面临的挑战自动化结构检查需要对损坏情况和背景进行全面了解这些挑战主要在于将基于视觉方法提取的特征和信号转换为可操作的数据，从而在更高的层次上帮助决策。小样本数据下深度学习的算法与泛化能力有待进一步研究当结构受损时，根据损坏的形状、大小和位置，以及损坏部件的类型和重要性，训练有素的检查员可以推断出损坏结构的重要性并能够理解多种损坏存在的影响。这是视觉和深度学习算法难以复制的。因此，虽然目视检查已经取得了重大进展，但仍然需要更高精度的损伤检测和构件识别。从推断数据中提取的特征如果与训练数据存在显著差异，那么训练后的DCNN模型往往会表现不佳。因此，经过训练的深层模型的质量直接取决于基础数据集。为提高DCNN对自动检查的感知能力，就必须克服用于检测结构损坏的数据集的有限性。小样本数据下深度学习的算法与泛化能力有待进一步研究。

5.5基础设施自动化检测和监测所面临的挑战位移通常很小并且难以捕捉照明和环境影响基于视觉的方法非常容易受到与能见度相关的环境变化的影响，如下雨、