图像识别技术在桥梁常规检测中的应用

《图像识别技术在桥梁常规检测中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、图像识别技术在桥梁常规检测中的应用1.桥梁常规检测中的病害桥梁常规检测中的病害包括裂缝、蜂窝、麻面、孔洞、剥落、露筋等。裂缝一指屮间存留缝隙或不存留缝隙的两处以上不完全分离现彖。蜂窝一指混泥土局部疏松，砂浆少，砂多，石了Z间出现空隙，形成蜂窝状孔洞现象。麻面一指混泥土表面局部缺桨、粗糙，或有许多小凹坑,但无钢筋外露现象，主要出现在桥梁表面。孔洞一指混泥土内部冇空隙，局部没冇混泥土或蜂窝特别大的现彖，长发生在钢筋密集处或预留孔洞和预埋件处。剥落一指混泥土表面砂、水泥浆脱落，粗骨料外館的现象。露筋一指钢筋混泥土内的主筋、箍筋等没有被混泥土包裹而外露的现象。图1蜂窝、歸筋图2麻面图3裂缝图

2、4剥落2・图像识别和常规检测的区别2.1常规检测目前桥梁病害检测依然以人工直观观察为主，并辅助检测车辆、测量工具来检测桥梁病害，在桥梁的众多病害中，渗水、麻面、孔洞等病害信息由于其形态具备多样性和复杂性，在检测过程中需靠检测人员凭借经验直观判断。同时，对于桥梁裂缝、病害位置也只能由人工现场确定。常规检测存在以下儿个缺点：(1)数据可靠性低：人工观察带冇很多主观性，检测数据不够准确。(2)效率低：人工检测速度慢，消耗时间长。(3)花费巨大劳动力：曲于观测方式不便，人工观测需要花费大量劳动力，且有时还需限制交通量，给运输车辆带来不便。(4)工作危险：桥梁下面一般是河流或低洼地带，使用支架

3、高空作业，具有一定的危险性。(5)检测单一：单一检测设备只能满足某一固定特征的病害，不能全面的针对桥梁结构常见病害进行检测。2.2图像识别图像识别是是利用基于监督学习的机器学习算法代替人眼，使计算机拥有对目标进行分割、分类、识别、判别决策的功能，建立从图像获得“信息”的人工智能系统。与常规检测相比，图像识别具有如下优点：(1)处理精度高，再现性能好。利用计算机进行图像处理，实质是对图像数据进行各种运算。(2)易于控制处理效果。在图像处理程序中，可任意设定或变动各种参数，能冇效控制处理过程，达到预期处理效果。(3)处理的多样性。由于图像处理是通过运行程序进行的，故设计不同的图像处理程序

4、，可实现各种不同的处理目的。3.图像识别的应用原理和技术3.1图像识别应用原理针对桥梁出现裂缝，露筋，剥落，蜂窝等病害，运用机器视觉对数字图像进行增强、去噪、图像分割、边缘检测，采用基于监督学习的机器学习算法，对图像进行特征提取，解决了病害分类问题以及病害标记的问题。如图5所示。图5裂缝标记3.2图像识别技术（1）图像增强——运用自适应的局部增强处理技术，只增强感兴趣区域的对比度，而模糊其他区域的清晰程度，实现突出病害部分图像的目的。采用了拉普拉斯算子，使图像屮的各灰度值得到保留、灰度突变处的对比度得到增强，最终留图像背景的而提厂突现出图像中的小细节。具原理是：•对原图像进行处理产生

5、描述灰度突变的图像；•将拉普拉斯算子处理图像与原图像叠加产生锐化图像。（2）图像去噪一一包括滤除图像的随机噪声、高斯噪声等，为图像分割而做平滑处理以减弱噪声的影响。采用中值滤波法，其原理是：•选定窗口为nxn的模版，其屮n的大小由原图像的二阶导数的均值决定,使窗口中心与图像某点重合；•窗口在图像上逐个像素移动；•窗口对应像素灰度值大小排序，找出中间值；•将中间值作为窗口所在像索的灰度值。（3）图像分割——将图像背景和口标物体进行分割，通常情况下，口标物体较背景暗，在灰度直方图上的灰度处在不同的灰度区间，因此可以选择一个灰度阙值将物体区域分割出来O采用局部动态阙值算法中的Bradley

6、二值化，其原理是：•利用自适应算法计算图像屮每个像素点对应的阈值；•利用得到的一个mxn大小的阈值矩阵实现二值化。（4）图像边缘检测一一边缘主要存在于目标与目标，目标与背景或区域与区域Z间，是图像灰度不连续性的反映，图像边缘检测是检测图像函数不连续点的过程表示。釆用梯度算子屮的Canny算子，其原理是：•用高斯滤波器对原始图像进行平滑去噪；•用一阶偏导数的冇限差分计算梯度的幅值和方向；•采用迭代法得到图像梯度中的局部极大值点，把其他非局部极大值置零來得到细化的边缘；•用双阈值算法检测和连接边缘。（5）图像特征提取——在满足分类识别正确率耍求的前捉下，使用较少的特征就能完成分类设别任务

7、。利用BagFeature模型提取特征并构建图像的虚拟字典，其原理是：•利用surf算法生成每幅图像的特征点；•生成每幅图像的向量；•将冇疑问的图像向量与图库屮图像的向量求夹角，夹角最小的即为匹配成功。（6）图像分类一一利用神经网络训练样本数据，在图像识别阶段，只要将图像的特征向量作为神经网络分类器的输入，经过网络计算，分类器的输出就是识别结果。神经网络分类器用n个表示的样本送入神经网络，这些分类用二值表示，其原理是：•第一级计算匹配度，然后被平行的通过输