基于深度学习的桥梁裂缝检测与裂缝测量分析技术研究.pdfVIP

基于深度学习的桥梁裂缝检测与裂缝测量分析技术研究.pdf

２０２２年５月沈阳建筑大学学报（自然科学版）Ｍａｙ２０２２

第３８卷第３期ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＪｉａｎｚｈｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｖｏｌ．３８，Ｎｏ．３

文章编号：２０９５－１９２２（２０２２）０３－０４８６－１０ｄｏｉ：１０．１１７１７／ｊ．ｉｓｓｎ：２０９５－１９２２．２０２２．０３．１３

基于深度学习的桥梁裂缝检测与裂缝

测量分析技术研究

１１１２１

王占飞，李明阳，李保险，李峥，王乐群

（１．沈阳建筑大学交通与测绘工程学院，辽宁沈阳１１０１６８；２．中建二局第四建筑工程有限公司，天津３００４５７）

摘要目的为解决在混凝土桥梁人工巡检中耗时费力、安全性不高的问题，提出基

于Ｒｅｓｎｅｔ网络的桥梁裂缝检测技术，并对裂缝进行定量测量。方法创建裂缝数据集

与背景数据集，并提出双边滤波－灰度化－对比度增强法（ＢｉｌａｔｅｒａｌＧｒａｙｉｎｇＣｏｎｔｒａｓｔ

ｅｎｈａｎｃｅｍｅｎｔ，ＢＧＣ）对图像进行预处理，用预处理前后的数据分别对Ｒｅｓｎｅｔ网络和传

统ＶＧＧ网络进行训练和测试，建立四组试验并对比试验结果；开发桥梁裂缝测量系

统，逐步提取裂缝轮廓，对裂缝进行无接触测量，并用实例验证系统在不同拍摄高度

及其３０°偏角下的测量精度。结果在Ｒｅｓｎｅｔ网络和ＶＧＧ网络中，ＢＧＣ预处理后使

识别准确率分别提高２２９％和４９９％；Ｒｅｓｎｅｔ网络对比ＶＧＧ网络，裂缝识别的准确

率大幅提高３１３％，准确率提升至９７４４％；在裂缝测量系统中，测量的平均精度在

９０１４％以上，最高可达９６９％。结论图像进行ＢＧＣ预处理后，网络识别准确率更

高；Ｒｅｓｎｅｔ网络独有的残差单元可以减少冗余特征的学习，大幅提高识别准确率；裂

缝测量系统在设置的不同试验拍摄条件下，测量精度均较高，可满足实际工程需求。

关键词桥梁裂缝；图像处理；裂缝检测；Ｒｅｓｎｅｔ卷积网络模型；裂缝测量

中图分类号ＴＵ９９７；Ｕ４４６文献标志码Ａ

ＢｒｉｄｇｅＣｒａｃｋＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＤｅｅｐＬｅａｒｎｉｎｇａｎｄ

ＣｒａｃｋＭｅａｓｕｒｅｍｅｎｔＡｎａｌｙｓｉｓＴｅｃｈｎｏｌｏｇｙ

１１１２１

ＷＡＮＧＺｈａｎｆｅｉ，ＬＩＭｉｎｇｙａｎｇ，ＬＩＢａｏｘｉａｎ，ＬＩＺｈｅｎｇ，ＷＡＮＧＬｅｑｕｎ

（１．ＳｃｈｏｏｌｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎａｎｄＧｅｏｍａｔｉｃｓＥｎｇｉｎｅｅｒｉｎｇ，ＳｈｅｎｙａｎｇＪｉａｎｚｈｕＵｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ，Ｃｈｉｎａ，１１０１６８；２．Ｔｈｅ

ＦｏｕｒｔｈＣｏｎｓｔｒｕｃｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＣｏ．Ｌｔｄ．，ＣｈｉｎａＣｏｎｓｔｒｕｃｔｉｏｎＳｅｃｏｎｄＥｎｇｉｎｅｅｒｉｎｇＢｕｒｅａｌｌ，Ｔｉａｎｊｉｎ，Ｃｈｉｎａ，３００４５７）

Ａｂｓｔｒａｃｔ：Ｔａｒｇｅｔｉｎｇｔｈｅｐｒｏｂｌｅｍｓｏｆｈｉｇｈｔｉｍｅｃｏｎｓｕｍｐｔｉｏｎ，ｈｅａｖｙｗｏｒｋｌｏａｄａｎｄｌｏｗｓａｆｅｔｙｉｎｔｈｅ

ｍａｎｕａｌｄｅｔｅｃｔｉｏｎｏｆｃｏｎｃｒｅｔｅｂｒｉｄｇｅｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓｂｒｉｄｇｅｃｒａｃｋｄｅｔｅｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙｂａｓｅｄ

ｏｎｔｈｅＲｅｓｎｅｔｎｅｔｗｏｒｋａｎｄｐｅｒｆｏｒｍｓｑｕａｎｔｉｔａｔｉｖｅｍｅａｓｕｒｅｍｅｎｔｏｆｃｒａｃｋｓ．Ｔｈｅｃｒａｃｋｄａｔａｓｅｔａｎｄｔｈｅ

收稿日期：２０２１－０６－０３

基金项目：“十三五”国家重点研发计划重点专项基金项目（２０１８ＹＦＣ０８０９６０６）；国家自然科学基金重点

项目（

作者简介：王占飞（１９７６—），男，教授，博士，主要从事桥梁抗震、钢桥腐蚀疲劳等方面研究。