中国科技核心期刊
中国建筑科学领域高质量科技期刊分级目录T2级期刊
RCCSE中国核心学术期刊
美国化学文摘社(CAS)数据库 收录期刊
日本JST China 收录期刊
世界期刊影响力指数(WJCI)报告 收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于全卷积神经网络的桥梁裂缝分割和测量方法

胡文魁 邓晖 付志旭 安栋阳 段锐

胡文魁, 邓晖, 付志旭, 安栋阳, 段锐. 基于全卷积神经网络的桥梁裂缝分割和测量方法[J]. 工业建筑, 2022, 52(4): 192-201,218. doi: 10.13204/j.gyjzG21053111
引用本文: 胡文魁, 邓晖, 付志旭, 安栋阳, 段锐. 基于全卷积神经网络的桥梁裂缝分割和测量方法[J]. 工业建筑, 2022, 52(4): 192-201,218. doi: 10.13204/j.gyjzG21053111
Tian Jie, Huang Wei, Lu Junlong, Zhang Yin. NONLINEAR EARTHQUAKE RESPONSE ANALYSIS OF FRAME-SUPPORTED ECOLOGICAL COMPOSITE WALL STRUCTURE[J]. INDUSTRIAL CONSTRUCTION, 2012, 42(8): 41-44,68. doi: 10.13204/j.gyjz201208009
Citation: HU Wenkui, DENG Hui, FU Zhixu, AN Dongyang, DUAN Rui. Bridge Crack Segmentation and Measurement Method Based on Full Convolutional Neural Network[J]. INDUSTRIAL CONSTRUCTION, 2022, 52(4): 192-201,218. doi: 10.13204/j.gyjzG21053111

基于全卷积神经网络的桥梁裂缝分割和测量方法

doi: 10.13204/j.gyjzG21053111
基金项目: 

自然资源部城市国土资源监测与仿真重点实验室开放课题基金(KF-2019-04-024)。

详细信息
    作者简介:

    胡文魁,男,1997年出生,硕士。

    通讯作者:

    付志旭,1565930489@qq.com。

Bridge Crack Segmentation and Measurement Method Based on Full Convolutional Neural Network

  • 摘要: 为了提高桥梁病害检测自动化水平,解决当前人工检测耗时费力和传统图像分割方法存在去噪效果不明显、分割后裂缝连续性较差等问题,提出了一种基于全卷积神经网络的BCI-AS (Bridge Crack Image-Automatic Segmentation)桥梁裂缝自动分割模型和一种基于投影技术的最小二乘拟合中心线的裂缝宽度测量算法。基于BCI-AS的模型对桥梁裂缝图像数据集进行了精确的像素级分割,分割准确率达到94.45%。基于投影技术最小二乘拟合中心线的算法对分割的裂缝二值图进行了宽度测量,结果表明相对误差在7%以下,证明了所提出具体算法对裂缝分割和裂缝宽度计算的可行性。
  • [1] HENDRICKSON C T.Applications of advanced technologies in transportation engineering[J].Journal of Transportation Engineering,2004,130(3):272-273.
    [2] 张德津,李清泉,陈颖,等.基于空间聚集特征的沥青路面裂缝检测方法[J].自动化学报,2016,42(3):443-454.
    [3] KIRSCHKE K R,VELINSKY S A.Histogram-based approach for automated pavement-crack sensing[J].Journal of Transportation Engineering,1992,118(5):700-710.
    [4] 孙波成.基于数字图像处理的沥青路面裂缝识别技术研究[D].成都:西南交通大学,2014.
    [5] TANG J,GU Y.Automatic crack detection and segmentation using a hybrid algorithm for road distress analysis[C]//IEEE International Conference on Systems,Man,and Cybernetics.Manchester,UK:IEEE,2013:3026-3030.
    [6] 李楠.基于深度学习框架Caffe的路面裂缝识别研究[J].冶金丛刊,2017(3):20-28.
    [7] 赵珊珊,何宁.基于卷积神经网络的路面裂缝检测[J].传感器与微系统,2017,36(11):135-138.
    [8] BADRINARAYANAN V,KENDALL A,CIPOLLA R.Segnet:a deep convolutional encoder-decoder architecture for scene segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2017,39(12):2481-2495.
    [9] 中华人民共和国交通部.公路桥涵养护规范:JTG H11-2004[S].北京:人民交通出版社,2004.
    [10] 陈龙,赵巍.一种改进的自适应分段线性变换算法[J].激光与红外,2020,50(8):1020-1024.
    [11] LIU F,LIU Z.A neighborhood-based value iteration algorithm for POMDP problems[C]//2018 IEEE 30th International Conference on Tools with Artificial Intelligence (ICTAI).Volos Greece:IEEE,2018:808-812.
    [12] 韩思奇,王蕾.图像分割的阈值法综述[J].系统工程与电子技术,2002,24(6):91-94.
    [13] 吴昊.常用的数字图像边缘检测算法分析[J].淮海工学院学报(自然科学版),2013,22(3):31-33.
    [14] KRIZHEVSKY A,SUTSKEVER I,HINTON G.ImageNet classification with deep convolutional neural networks[J].Advances in Neural Information Processing Systems,2012,25(2):84-90.
    [15] SZEGEDY C,LIU W,JIA Y,et al.Going Deeper with Convolutions[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Boston,MA:IEEE,2015:1-9.
    [16] 陈子杰.基于深度全卷积神经网络的头颈部CT中放疗危及器官分割方法研究[D].北京:中国科学院大学,2019.
    [17] LONG J,SHELHAMER E,DARRELL T.Fully convolutional networks for semantic segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2015,39(4):640-651.
    [18] 程刚,楚汝峰,张伦.一种用于检测预定区域中特定标识图像的方法及装置:CN105303189A[P].2016-02-13.
    [19] 王聪雅.基于图像识别处理的桥梁底面裂缝检测方法的研究[D].北京:北京交通大学,2016.
    [20] 王鹏.基于无人机视频的桥梁裂缝识别方法研究[D].广州:华南理工大学,2018.
    [21] WANG W,WANG M,LI H,et al.Pavement crack image acquisition methods and crack extraction algorithms:a review[J].Journal of Traffic and Transportation Engineering (English Edition),2019,6(6):535-556.
  • 加载中
计量
  • 文章访问数:  193
  • HTML全文浏览量:  42
  • PDF下载量:  6
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-05-31
  • 网络出版日期:  2022-07-25

目录

    /

    返回文章
    返回