钢吊车梁疲劳裂缝开展的图像识别方法研究论文.pdfVIP

第５０卷第１４期山西建筑Ｖｏｌ．５０Ｎｏ．１４

·４８·２０２４年７月Ｊｕｌ．２０２４

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

１０．１３７１９／ｊ．ｃｎｋｉ．１００９－６８２５．２０２４．１４．０１１

ＤＯＩ：

钢吊车梁疲劳裂缝开展的图像识别方法研究

１２

朱文俊，黄竞崛

（１．宝山钢铁股份有限公司，上海２０１９００；２．宝钢湛江钢铁有限公司，广东湛江５２４０７２）

摘要：钢结构服役过程中，结构受到反复的疲劳荷载，即使未达到极限强度，结构仍会产生表面疲劳裂缝，发生破坏。目前

钢结构裂缝检测技术已有很多研究，包括人工巡检、接触式智能涂层传感技术等。但人工巡检效率低下，且极易漏检，接触式

的技术操作复杂、成本较高。近年来，利用图像识别技术检测结构缺陷的方法由于其易操作性和较高的检测效率，吸引了缺

陷检测研究者们的关注。深度学习方法能够很好地解决复杂环境中的特征匹配问题。因此，采用深度学习的方法检测钢吊

车梁疲劳裂缝，训练基于ＹＯＬＯｖ５网络的裂缝图像识别模型，并通过传统图像处理与深度学习的结合方法，提高检测的精度，

最终设计并实现了基于ＰＣ端与Ａｎｄｒｏｉｄ端的钢结构板件裂缝检测软件的开发制作。

关键词：钢结构；疲劳裂缝；深度学习；图像识别

中图分类号：ＴＵ３７５．１文献标识码：Ａ１００９－６８２５（２０２４）１４－００４８－０６

文章编号：

０引言８５％以上。该学者还将三种方法进行了对比，证明在道

路裂缝检测中卷积神经网络的正确率最高，充分证实了

随着工业发展以及城镇化程度不断推进，我国以及

［７］

深度学习方法完全适用于结构裂缝的检测。Ｃｈａ等使

世界的建筑业都得到了迅猛发展。钢结构由于其轻、质、

用ＦａｓｔｅｒＲ－ＣＮＮ网络模型训练混凝土病害检测模型，

高、强的优点，被广泛应用于各项机械工程与近现代工业

［８］

实验精度较高。Ｎｉｅ等通过ＹＯＬＯｖ３网络模型训练了

和民用建筑工程中。我国的钢结构应用技术在全球处于

［１］人行道裂缝目标检测模型，在保证速度较快的同时，检测

顶尖水平，市场规模也十分庞大。由于钢结构构件制

［９］

精度也较高。孙朝云等利用改进后的ＦａｓｔｅｒＲ－ＣＮＮ

造过程中的固有缺陷，易产生应力集中现象，在服役过程

模型完成裂缝检测模型的训练，将主干特征换为其他更

中，结构受到反复交替的应力作用，即使未达到极限强

［１０］

优秀的网络，从而实现检测精度的提高。杨沛钊通过

度，结构