基于图像处理的桥梁支座病害自动识别关键技术研究

《基于图像处理的桥梁支座病害自动识别关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10286分类号：TU378密级：公开UDC：624学号：151024工程硕士学位论文基于图像处理的桥梁支座病害自动识别关键技术研究研究生姓名：崔弥达导师姓名：吴刚教授王建荣高工申请学位类别工程硕士学位授予单位东南大学工程领域名称建筑与土木工程论文答辩日期2018年6月4日研究方向结构工程学位授予日期20年月日答辩委员会主席周臻教授评阅人S005187-1S005187-22018年6月4日工程硕士学位论文基于图像处理的桥梁支座病害自动识别关键技术研究专业名称：建筑与土木工程研究生姓名：崔弥达导师姓名：吴刚教授王建荣高工本论文获国家重点研发计划项目（2016YFC

2、0701400）、国家自然科学基金杰出青年科学基金项目（51525801）和长江学者奖励计划等资助。RESEARCHONKEYTECHNIQUESOFAUTOMATICDEFECTIDENTIFICATIONFORBRIDGEBEARINGSBASEDONIMAGEPROCESSINGADissertation（Thesis）SubmittedtoSoutheastUniversityFortheAcademicDegreeofMasterofEngineeringBYMidaCuiSupervisedbyProfessorGangWuSeniorEngineerJianr

3、ongWangSchoolofCivilEngineeringSoutheastUniversityJune2018东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研宂成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。２〇Ｂ．ｏｔ．Ｃ研究生签名：波３构Ｌ曰期：东南大学学位论文使用授权声明东南大学、中国科学技术信息

4、研宄所、国家图书馆、《中国学术期刊（光盘版）》电子杂志社有限公司、万方数据电子出版社、北京万方数据股份有限公司有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的一致内容和纸质论文的内容相。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括以电子信息形式刊登）论文的全部内容或中、英文摘要等部分内容。论文的公布（包括以电子信息形式刊登）授权东南大学研宂生院办理。°＾－（研宂生签名：导师签名期：）摘要摘要随着经济的发展，我国的公路桥梁数量逐年增多，随之而来的是巨大的桥梁养护工作，而桥梁支

5、座是桥梁的重要构件，一旦出现病害，会影响桥梁结构的受力状态甚至交通安全，所以桥梁支座的检测是桥梁养护工作中不可缺少的环节，而现行桥梁支座的检测主要是通过人工检测，这种方法耗时、费力而且会影响交通，一些建在深山、海上的桥梁很难通过人工检测的方法实现，且很难保证桥梁检测人员的安全。随着互联网，大数据和人工智能的迅速发展，许多危险和重复性的工作正在逐渐的被机器取代，基于深度学习的图像识别技术也在许多领域得到了应用，这为桥梁支座的检测带来了新的机遇。本文基于深度学习及图像处理技术开展了桥梁支座病害自动识别的研究，完成的研究工作如下：（1）对桥梁支座检测的现状进行了综述，总结归纳了桥

6、梁板式橡胶支座的主要功能、支座病害的分类、支座病害产生的原因以及支座病害评定方法等；（2）针对桥梁橡胶支座图像的特点，在保证桥梁支座图像的病害特征不发生变化的前提下，用图像处理的手段实现训练数据库的扩增，图像处理的方法主要包括图像的水平翻转、垂直翻转、逆时针旋转、顺时针旋转和用主成分分析算法调整图像的颜色通道等，并借助Python程序语言实现桥梁支座图像数据库的批量生成，为下一步深度卷积神经网络的训练提供数据基础；（3）训练不同的深度卷积神经网络以实现开裂、剪切变形和正常3类不同桥梁支座的自动识别，通过调整网络结构，对比分析支座病害识别结果与不同网络结构的关系，且采用迁移学

7、习技术提高神经网络的识别精度，并比较用迁移学习方法时重新训练的权值数目对支座病害识别的影响。用基于迁移学习且调整模型网络结构的训练方法，得到了对支座更好的识别结果，基于卷积神经网络的桥梁支座病害自动识别技术有希望与无人机技术相结合形成一种更具优势的桥梁支座检测方法；（4）基于Python编程语言实现了桥梁支座病害自动识别软件的开发，该软件以卷积神经网络为核心算法，具有以下3个主要功能：1）可以通过图像处理的方法，例如，图像的翻转、旋转和PCA算法调整图像的颜色通道等方法扩充训练神经网络所需的数据库。2）通过已经训练