基于深度学习的钢桁架桥螺栓病害智能识别方法

作者：沈浩; 江臣; 陈宇文; 王国香; 李枝军^*

来源：南京工业大学学报(自然科学版), 2020, 42(05): 608-615.

• 钢桁架桥
• 螺栓病害
• 无人机航拍
• 图像处理
• 迁移学习
• 神经网络

为了提高钢桁架桥螺栓病害检测和识别效率、完善分析方法,本文在无人机航拍视频的基础上,提出了一种基于深度学习的螺栓病害智能识别方法。通过混合高斯算法、Canny边缘检测、最小包围圆算法等传统图像处理手段对航拍视频进行预处理,实现钢桁架桥螺栓图像的批量化提取,并通过对螺栓图像采取缩放、旋转、变形等措施拓展螺栓图像的样本数;采用迁移学习引入深度学习模型INCEPTION-V3,经过训练,当螺栓数据测试集上的准确率大于95%时,可满足工程精度需求;并将该方法应用于实际工程,当把0.8设置为计算螺栓病害概率的分割点时,该方法对螺栓病害具有较好的识别效果,同时能够实现自动化、智能化,避免人为主观判断带来的影响。

• 单位
  南京工业大学; 苏交科集团股份有限公司; 土木工程学院