【摘 要】
:
公路与隧道的混凝土材料由于受到环境及内部因素的影响,在混凝土表面常会出现裂缝、渗漏水等病害。严重情况下这些病害会影响到行车安全,所以及时对公路、隧道中的病害进行检测与维护显得尤为重要。这些混凝土结构表面的病害检测目前多以人工巡检为主,但该方法效率极低,主观性强。而传统的数字图像处理方法容易受到噪声的影响、泛化能力差,并且在复杂环境下检测准确率低。相比之下,基于深度学习的方法泛化能力更强,鲁棒性更强
论文部分内容阅读
公路与隧道的混凝土材料由于受到环境及内部因素的影响,在混凝土表面常会出现裂缝、渗漏水等病害。严重情况下这些病害会影响到行车安全,所以及时对公路、隧道中的病害进行检测与维护显得尤为重要。这些混凝土结构表面的病害检测目前多以人工巡检为主,但该方法效率极低,主观性强。而传统的数字图像处理方法容易受到噪声的影响、泛化能力差,并且在复杂环境下检测准确率低。相比之下,基于深度学习的方法泛化能力更强,鲁棒性更强,能够适应复杂的环境。因此,本文进行了基于深度学习的混凝土结构表面的裂缝与渗漏水检测的研究,研究内容如下:(1)提出基于空洞通道金字塔注意力模块的渗漏水分割方法。为了让网络学习到更强的渗漏水区域的特征表示,本文提出了一个空洞通道金字塔注意力(Atrous Channel Pyramid Attention,ACPA)模块,该模块可有效的让多个特征通道进行通道交互。本文将ACPA模块融入到一个使用了深度监督的U型网络当中,然后将该网络用于进行像素级别的渗漏水检测。实验结果表明,本文方法在隧道渗漏水数据集上,效果优于3种传统图像处理方法和5种基于深度学习的语义分割方法,其中F1-score达到了90.75%。(2)提出基于Two-stream网络结构的裂缝分割方法。论文提出了一个Two-stream结构的网络用于裂缝分割。其中Context Stream通过对特征图进行多次卷积与下采样从而获得较大的感受野以提取高层的语义信息。而Spatial Stream通过不对特征图做下采样从而保留图片的空间细节信息,并且只保留少量的通道数以减少计算量。然后本文通过引入特征融合模块有效地将Context Stream中间层的语义信息融合进Spatial Stream中。本文提出的网络有效地在保留图片空间细节信息的同时获得了高质量的高层语义信息,从而达到了更为精准地分割细小裂缝的目的。最终在多个裂缝数据集上的实验结果表明了本文提出的方法对于裂缝分割任务展现出了较好的泛化性能,而且与其他基于深度学习的语义分割方法相比可以预测到更为细小的裂缝以及更为准确的边缘。
其他文献
在铁路智能化、信息化发展趋势下,对铁路基础设施信息数据采集及管理提出了更高的要求,铁路路堑作为铁路运营中重要的基础设施之一,快速获取其基础信息数据和对其进行高效的数据管理是当下研究的重点。现有数据采集手段效率低下,且多源数据录入易出现差错影响数据质量,无法满足铁路智能化、信息化发展需求。故针对铁路路堑信息采集及分析技术进行研究,结合新型数据采集设备,研究更具针对性的路堑信息识别算法,开发铁路路堑信
随着我国城市经济的飞速发展,我国的机动化水平也在不断提高。城市市政基础设施也随之迅速发展,城市面积不断扩张,城市的道路里程与道路密度也逐渐增加。然而,一方面由于近几年城市地下空间的的不断开发利用,使得路面不断出现下陷和沉降过大等问题。另一方面由于车辆荷载、天气条件、施工工艺以及施工质量等问题,使得不同程度的路面破损现象在城市道路中十分常见。并且由于相关道路养护部门对城市道路路面质量的检测以及对现有
旋转部件作为机械设备中最常见的组件,是工业化生产的重要组成部分,被广泛应用于航空航天、交通运输、机械制造、新能源和深空探测等领域。在机械设备中,旋转部件的工作环境恶劣多变,长期运行过程中发生故障的可能性增加。旋转部件实时监测和故障预测能够有效地预防设备发生事故,避免巨额的经济损失和严重的人身伤害,在工程中具有重大应用价值。对于旋转部件参数的测量,传统的接触式测量方法难以满足高速旋转环境下的需求,因
随着全球跨境电子商务的迅速发展和全球经贸一体化趋势的增强,跨境电商作为依托互联网技术成长起来的新型跨境贸易形势,受到各国的普遍重视,现已成为对外贸易的重要力量和我国经济的新增长点。目前,全球跨境电商行业正处于高速发展期,具有交易规模持续增长、发展不平衡、地区间差异较大、品牌效应逐渐增强等特点。跨境供应链管理成为制约跨境电商企业发展的关键。目前,跨境电商企业对于供应链管理还缺乏详细的理论指导和可以借
行人重识别作为一个图像检索的子问题,旨在从视角不重叠的摄像头中检索感兴趣的行人。行人重识别技术在安防、刑侦等领域有着重要的研究和应用价值。随着公共场所中监控摄像头的不断增加,视频监控数据出现海量式增长,对这些跨摄像头的海量图像进行标注代价过于昂贵,因而有监督的行人重识别在实际应用中会受限。同时由于行人重识别数据集从不同的环境采集,不同场景下收集的数据集之间的数据分布会存在领域差异,将在一个数据集上
人体动作的预测是计算机视觉和图形学领域的重要任务,广泛应用在智能安防和自动驾驶等领域。现有方法主要是基于人体的骨架和图像表示。相对于骨架和图像,三维几何数据表示人体动作更加直观和形象化。近年来,随着三维扫描和建模技术的快速发展,出现了越来越多的三维人体数据集。但目前对三维人体的预测工作相对较少,并且主要使用三角形网格的表示形式,依赖其复杂的拓扑连接性,不如三维点云那样简单和易于获取。为此,本文提出
人体动作相似性度量在计算机视觉和图形学中有着广泛的应用,如安防监控、运动力学分析、信息检索等。前人的研究工作主要使用骨架和视频来表示人体动作。相对于骨架和视频,三维几何数据包含更丰富的空间信息且表示人体动作更加直观。随着激光雷达的日渐成熟,三维人体动作序列数据集逐渐增多,但对人体动作序列相似性度量研究较少,并且主要使用三角形网格来表示人体模型,较为依赖其复杂的拓扑连接性。为此,本文提出基于点云表示
图像融合技术旨在对多个源图像中的互补信息进行整合,以获得包含更加全面的信息的融合图像。红外与可见光图像融合技术是图像融合领域中一个重要的研究方向。红外图像包含物体丰富的热辐射信息,即使在光线较弱的情况下,也可以捕捉到隐藏的目标。但红外图像对于场景的纹理细节信息不能给予很好地描述,不利于人类视觉的感知。可见光图像包含场景丰富的纹理信息,具有较高的清晰度,符合人类视觉的感知。利用图像融合技术将这两种图
<正>Energy Daily,2023-03-10英国3月10日宣布了一项为期20年的碳捕集计划,并承诺用核能增加其能源供应,且寻求在本世纪中期实现净零经济。根据一份声明,该项目将投资200亿英镑(240亿美元),这将有助于创造5万个就业机会。财政部长Jeremy Hunt将在3月8日的预算公告中概述更多细节。Hunt在3月10日的讲话中说,此举将有助于避免自2022年主要能源生产国俄罗斯入侵乌