10.19713/j.cnki.43-1423/u.T20200107
基于深度学习的较复杂背景下桥梁裂缝检测
桥梁的定期裂缝检测对于确保桥梁的安全运行至关重要,而目前的人工检测方法不仅耗时费力,还存在诸多不安全因素.而桥梁裂缝还具有多种噪声模式,因此,针对桥梁裂缝的高效检测成为了桥梁健康检测的研究热点和难点.为了实现对较复杂背景下的桥梁裂缝的精确和高效的识别,提出一种结合U-net和Haar-like算法的卷积神经网络的深度学习算法.通过与DenseNet,ResNet,GoogleNet和VGGNet网络的比较,证明了该算法的有效性.同时,该算法还可以对裂缝的面积、长度和平均宽度进行定量计算,检测精度高于97％.研究结果表明:该算法适用于桥梁裂缝图像的高效检测.
桥梁安全、裂缝检测、较复杂背景下、卷积神经网络、深度学习、定量计算
17
X947
国家自然基金青年科学基金资助项目;重庆市质量技术监督局科研计划项目;重庆市技术创新与应用发展专项面上项目;长江科学院开放研究基金资助项目
2020-12-15（万方平台首次上网日期，不代表论文的发表时间）
共7页
2722-2728
