基于计算机视觉技术的结构表面裂缝检测方法研究

计算机视觉技术用于混凝土结构表面裂缝检测,具有现场检测方便、效率高、客观性强的特点,但图像数据分析是该技术的核心,其中裂缝提取与定量测量较为复杂。为提高裂缝图像处理效率和准确率,将深度学习和数字图像处理技术相结合,提出一种裂缝检测方法。建立基于深度卷积神经网络的裂缝识别模型,在图像上自动定位裂缝并结合图像局域阈值分割方法提取裂缝。在裂缝宽度定量测量方面,采用双边滤波算法和三段线性变换对裂缝图像进行预处理,提高了裂缝边缘识别的精确度。通过改进边缘梯度法,实现裂缝最大宽度的定位和裂缝最大宽度的自动获取。该研究为全自动识别裂缝图像及高精度测量裂缝宽度提供了一种解决方法。     

基于数字图像处理的裂缝检测方法

为保证图像质量,提出一种基于阈值判断的自适应中值滤波(TAMF)新算法。通过扩充图像边界,将噪声图像与对其进行中值滤波后的图像相减得到的灰度值均值T作为判断条件,对搜索窗口内的噪声像素点采用中值滤波处理后输出结果,信号点则不做处理。使用几种滤波算法进行试验分析,结果表明,不同浓度的椒盐噪声均可采用TAMF算法进行滤除,该算法能有效保护图像边缘细节,在PSNR和MSE等图像性能指标上维持较高的水平,为后续裂缝宽度测量提供良好环境。数字图像处理通过获取图像(裂缝)灰度信息,对图像(裂缝)特征进行提取;然后,基于TAMF算法与改进的切线垂线法,将数字图像处理中的图像预处理、裂缝骨架提取、裂缝宽度计算等方法进行集成,提出一套基于数字图像处理的混凝土裂缝图像宽度测量流程,该测量流程所需设备单一,可大幅提高检测精度和效率,满足工程应用要求。     

基于数字图像技术的结构裂缝参数分析

基于数字图象处理技术,提取并分析了含结构裂缝照片中与裂缝分布有关的数字特征参数.首先考虑拍摄环境条件(如光线强度等),通过对灰度图像设定适当阈值来区分图像中的裂缝与图像背景,获得了相应二值图像;然后结合形态学膨胀与腐蚀技术,消除二值图像中的噪点,使用边缘检测技术提取裂缝的边缘图像;进而得到裂缝的面积、长度、平均宽度、宽度最大值、宽度最小值以及记盒维数等数字特征参数.这一方法为已有建筑物结构裂缝的确认与分析提供了一条新的途径.     

基于语义分割的混凝土裂缝图像识别方法研究

因快速、无损等优势,基于深度学习的图像识别技术已成为混凝土裂缝智能检测研究的热点,其中语义分割算法可实现对裂缝图像像素级别的分割,进而实现裂缝信息量化识别。基于U-Net语义分割网络,本文提出一种混凝土裂缝图像识别方法。首先,针对混凝土裂缝检测,训练了改进的U-Net网络模型,对裂缝图像实施精准分割;其次,对分割后的裂缝图像,采用最大内切圆算法提出了裂缝宽度计算方法;最后,通过室内混凝土板模型试验对所提方法进行验证。结果表明,本文算法和设备条件对于宽度为0.30mm左右的裂缝计算结果较差,最大误差为0.26mm;对于宽度大于0.60mm的裂缝计算效果较好,最大误差为0.14mm。考虑到可以通过提高相机分辨率进一步提升检测精度,本文方法可应用于混凝土结构表观裂缝检测,大幅提高基础设施的智能化管养水平。     

基于递进式级联卷积神经网络的混凝土裂缝识别方法

基于深度学习的卷积神经网络方法是目前图像裂缝识别鲁棒性较高的方法,主要分为滑动窗口法和图像分割法。滑动窗口法存在后期阈值分割裂缝精度不高的问题;全局图像分割法存在裂缝区域数据和背景区域数据严重不均衡问题,会对裂缝分割精度产生影响。采用了基于递进式级联卷积神经网络的方法对混凝土表面裂缝进行识别:首先采用全卷积神经网络一次性判断图像中所有密集重叠窗口区域内是否含有裂缝,然后将含有裂缝的窗口区块提取出来作为感兴趣区域,再基于轻量化的U-Net图像分割网络作用于感兴趣区域,将裂缝区域精确地提取出来。试验结果表明,所提出的基于递进式级联卷积神经网路的裂缝识别方法优于直接使用滑动窗口法和全局图像分割法,有着可靠的应用前景。     

基于计算机视觉的往复荷载作用下钢筋混凝土柱裂缝监测

通过对图像拼接得到大范围裂缝图像,采用阈值分割算法进行裂缝识别,从而建立起基于计算机视觉的混凝土构件表面大范围裂缝识别流程。在此基础上,对往复荷载作用下的钢筋混凝土柱进行裂缝监测,研究加载过程中混凝土柱表面裂缝开展情况。结果表明：采用图像拼接,可以利用消费级手机分区获取裂缝图像,进而识别混凝土构件表面大范围的裂缝;所建立的裂缝识别流程能较好地识别混凝土柱上大范围表面裂缝,裂缝宽度、长度和倾角识别精度较高;随着位移幅值的增加,混凝土柱表面裂缝长度、宽度和面积增加,倾角减小,损伤随之增加。     

边缘检测算子及其在裂缝图像中的应用

简要介绍了几种经典的边缘检测技术,并在MATALB中利用这些算子对约束收缩引起的混凝土裂缝进行裂缝图像的边缘检测,通过对比几种算子的分析结果,总结出相对有效的裂缝图像边缘检测算子,为进一步施行裂缝表征参数的提取提供依据。     

基于数字图像处理的轨道梁裂缝检测技术

文章根据轨道梁裂缝的视觉特点,首先通过合理选用相机、光源、拍摄距离等,获取裂缝图像;其次,通过线性灰度变换进行图像预处理、基于最大类间方差法(OTSU法)进行区域提取、数学形态学修正和基于亚像素边缘检测等步骤,提出轨道梁裂缝检测技术。通过室内试验和现场试验验证,本裂缝检测技术满足工程检测要求。     

基于深度学习的混凝土结构表面裂缝检测

混凝土结构裂缝的结构安全问题是目前人们关注的热点,而裂缝是影响建筑物安全的重要因素之一。所以提出了1种基于深度学习的混凝土结构表面裂缝检测方法。首先运用了数据增强的方式丰富了裂缝图像数据集,再利用深度学习技术,选用DeconvNet反卷积网络模型进行模型的训练学习。将图像拼接技术与深度学习相结合应用在混凝土结构裂缝检测中,并且对图像中的裂缝特征进行分析,测量出裂缝的角度、宽度和长度。结果显示,测试集的识别率达到了71.17%,准确率达到了97.92%,使用数据增强增加了模型的泛化能力,使模型具有更好的识别效果,能够对混凝土结构表面裂缝进行完整还原。     

混凝土结构的裂缝控制

混凝土是一种由砂石骨料、水泥、水等混合而形成的非均质脆性材料,目前,混凝土裂缝问题倍受关注。分析了混凝土结构裂缝产生的各种原因,提出从材料、设计、施工和维护方面控制裂缝的技术措施。     

基于无人机的建筑外墙裂缝快速检查系统设计与实现

建筑外墙裂缝检测是一种高空作业,传统人工作业存在坠落的危险。为了提升建筑外墙裂缝检查的效率、保证检查人员人身安全,提升工程质量检查的信息化水平,整理了目前裂缝检查的难点与不足,基于无人机及图像处理技术设计并实现了建筑外墙裂缝快速检查系统。首先,通过基于自适应平滑滤波改进的SFC结合法,在不降低裂缝图像质量的同时减少噪声,提升裂缝对比度;然后,通过Otsu法改进Canny边缘提取算法,提升了算法的适用性;最后基于裂缝的图像特征,提出一种裂缝图像筛选方法,提升了裂缝检查的效率,并且提升了裂缝检查的自适应性。经过200张裂缝图片的系统测试,系统平均准确率达82.6%,可以为建筑外墙裂缝的快速识别提供一定参考,具有一定工程应用前景。     

基于无人机与数字图像法的混凝土结构表面裂缝检测应用研究

对于经常受到振动、疲劳、地基沉降、冻融循环等因素影响的高耸结构、桥梁高墩、高层建筑等,结构裂缝等混凝土表面缺陷非常常见并需要长期观测。通过无人机对结构表面拍照并应用图像算法识别裂缝等缺陷特征可以很好的解决人工检测困难的问题。本文以标准裂缝宽度卡作为参照,使用相机从各方位对模拟裂缝进行拍照,模拟实际工程中无人机拍摄的状态。实现对裂缝的长度、宽度、方向等几何参数进行测量,并应用数字图像法对带裂缝混凝土结构图像进行识别,证明无人机拍摄图像分析相较传统人工检测的优越性。     

一种改进的用于裂缝图像分割的Otsu方法

裂缝是隧道衬砌最常见的病害之一,基于近几年快速发展的工程检测系统与图像处理算法的研究,提出了一种CCD相机的衬砌裂缝快速检测系统采集裂缝图像。在提取裂缝特征之前,需要将裂缝区域与图像背景分离。采用Otsu法进行分割处理,然而传统的Otsu方法对裂缝区域过小的图像易产生欠分割;对背景不单一或光照度不均匀的裂缝图像易造成过分割的情况。根据Ostu方法分割特点对该方法进行改进,以达到更好的裂缝图像分割效果,从而为实现隧道裂缝的快速检测埋下基础。     

复杂环境公路隧道裂缝快速识别与分割算法研究

随着我国公路隧道由建设为主朝建养并重转化,在运营里程快速增长与既有隧道劣化加剧的双重作用下,移动检测及结构安全快速诊断已成为目前公路隧道运营维养领域的研究热点之一。我国已研发了多种类型的隧道检测车,为裂缝、渗漏水等表观病害的快速检测提供了手段,然而公路隧道衬砌图像背景复杂、干扰因素多、裂缝占比小的特点,给检测数据的快速分析带来巨大挑战,已成为制约技术推广的主要瓶颈。基于深度学习算法,本文提出了一种将目标识别与语义分割进行组合的裂缝快速提取方法,首先采用Faster R-CNN网络对原始衬砌图像进行目标识别,判定所采集图片是否存在裂缝并智能框选出裂缝区域;随后对框选出的裂缝区域自动裁切,由此过滤不含裂缝的图片并去除含裂缝图片中的干扰背景,再利用U-Net语义分割网络对裂缝进行像素级分割。通过实际工程验证发现,单幅图像裂缝整体分割时间小于0.15 s,在常见各类干扰因素下,目标识别F1值可达到92%,语义分割像素准确度可达到98%以上。与阈值分割和同类智能分割算法相比,本方法显著提高了识别速度与精度,为从隧道检测车海量数据中进行快速准确的裂缝提取提供了良好手段。     

墙体浅层裂缝检测的数字化图像处理方法

数字图像处理技术应用于墙体浅层裂缝测量可获取数字化的裂缝信息,具有操作灵活、测量精度高等优点,可以克服传统墙体裂缝宽度测量技术的费时费力、精度不高等不足,具有广泛的应用前景。该文提出了一种新的基于神经网络进行图像分割的方法,对墙体裂缝图像进行提取,一定程度上克服了传统分割方法对背景图像的依赖性,减少了伪点和伪区域,降低了采用形态学算法带来的不准确性,提高了测量准确性;同时介绍了对墙体裂缝图像进行数字化处理的具体方法和流程。结合工程实例进行实验,结果表明该技术测量精确,操作方便,具有明显的工程意义和一定的实用价值。     

一种桥梁裂缝信息提取的改进算法

采用数字图像处理技术实现桥梁裂缝信息提取一直是研究热点,本文对数字图像处理桥梁裂缝信息提取算法分割和细化两个方面进行改进,提出了改进的Kittler-Bersen二值化算法,解决了Kittler算法处理光照不均图像效果不佳和Bersen算法运算速度慢等问题,提出了改进的ZS图像细化算法,解决了ZS算法处理冗余像素效果不佳的缺陷,并通过实验对上述算法的有效性进行了检验。     

浅探混凝土施工裂缝控制

商品混凝土的稳定、可靠、优良的质量深受建设单位的青睐,但是,目前使用商品混凝土施工的工程出现最常见的当数裂缝问题。从商品混凝土原材料方面控制、设计方面、施工技术控制和施工后期商品混凝土的养护等方面提出了预防措施。     

带裂缝混凝土内氯离子的输运规律

通过分析带裂缝混凝土内的氯离子扩散系数,建立了裂缝处氯离子扩散的数值理论模型,借助有限元数值分析的方法,模拟了带裂缝混凝土内氯离子在的输运过程,主要考察了裂缝特征参数对氯离子扩散过程的影响。数值模拟结果表明,裂缝的存在对氯离子在混凝土中的传输有一定影响,裂缝周围的氯离子浓度明显高于无裂缝混凝土中的氯离子浓度,与裂缝的距离越大,截面上的氯离子浓度越低,而裂隙频数的增加,加强了氯离子在混凝土中的扩散过程;裂缝的宽度、深度及侵蚀时间对氯离子在混凝土中的扩散有一定的影响,其中裂缝宽度的变化比较敏感,随着侵蚀时间的增加,氯离子的浓度随裂缝宽度的增加而增大;当裂缝宽度介于上下限值之间时,裂缝深度的变化对氯离子浓度的影响的不敏感,裂缝深度的变化在裂缝宽大于上限值时,对氯离子的浓度分布影响较大。     

建筑施工中的混凝土裂缝控制技术

文章分析了混凝土出现裂缝的原因,包括温度方面、质量控制方面;说明了建筑施工中混凝土出现裂缝的危害;阐述了建筑施工中混凝土裂缝控制技术的应用,包括加强混凝土结构设计、加强施工过程质量控制.     

基于卷积神经网络的混凝土裂缝识别

针对基于图像处理和边缘检测的混凝土裂缝识别方法易受外部环境干扰,且在图像处理过程中会产生大量噪声,从而导致识别效果不佳的问题,提出一种基于卷积神经网络的裂缝识别方法。通过与当前主流卷积神经网络模型进行对比研究以及对真实的混凝土裂缝图像的识别验证,结果表明,文中所建立的CrackNet模型能够有效识别混凝土图像中的裂缝目标,具有高效性和强鲁棒性。