基于机器学习混凝土路面裂缝检测算法研究

发布时间：2020-10-09 01:55

　　 近年来,随着计算机计算性能的提高,机器学习开始被大量地应用各个领域的研究当中,其中传统的机器学习算法在手势识别、手写数字识别能够达到很好的效果,但是在传统的土木行业中,由于混凝土路面裂缝出现特征随机性大,图像特征提取困难,降维困难,在高维度样本的条件下用传统机器学习方法进行裂缝识别,准确率较低,与传统机器学习方法相比,在高维度样本量大的条件下,深度学习在准确率上更加具有优势,其中卷积神经网络CNN是具有代表性的深度学习算法,在图像检测领域受到广泛的应用。因此,本文从特征提取与机器学习的原理出发,对比了多种特征提取算法,对裂缝图片做预处理,介绍了传统的机器学习算法与深度学习算法,并对使用了传统的机器学习方法SVM与深度学习算法CNN对预处理后混凝土裂缝图片进行训练检测识别,最后开发了混凝土路面裂缝检测用户图形界面程序。本文主要的工作内容:(1)裂缝样本的获取与预处理:设计了裂缝拍摄过程,将所得裂缝图片拷贝成4组,分别通过Laplacian算子、Sobel算子、Canny算子分别对图片进行特征提取处理,剩下一组只做灰度化处理来作为原生对比组,结合网上数据集得到4组训练样本集与测试样本集。(2)基于传统机器学习的SVM算法对裂缝检测识别:分别使用线性核函数与RBF核函数的SVM算法对4组训练样本进行训练,使用对应的4组测试样本进行裂缝检测。(3)基于深度学习的CNN算法对裂缝检测识别:使用基于卷积神经网络inception V3模型通过迁移学习的方法对4组训练样本与测试样本进行裂缝检测。并且与传统的机器学习方法做对比分析。(4)开发基于CNN裂缝检测平台:将机器学习、用户图形界面、图像处理三者结合,开发了具有良好扩展性的裂缝检测平台,最后结合本程序提出对路面健康状况进行评估的流程。
【学位单位】：广州大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：U418.6
【部分图文】：

基于机器学习混凝土路面裂缝检测算法研究第一章 绪论 研究背景和意义公路交通是国民经济发展的重要基础设施，交通运输的发展加强了各个城市之间系，从而促进了各行各业的经济发展，而随着国家的经济发展又会大量的修建道路来，我国公路里程和公路密度一直在持续上涨，截至 2017 年底我国公路总里程已 470 万公里，公路密度超过 49 公里/百平方公里[1]。如图 1-1 所示

图 1-2 美国 PCES 系统近年来，加拿大 Roadware 公司研发 ARAN 路面裂缝自动评价系统[13]，如图 1-3 所示，这是一套比较成熟完整的裂缝识别系统，该系统解决了之前裂缝系统不能在白天工作和只能低速运行的难题，它可以在高达 80km/h 的车速下全天候工作,但是由于裂缝检出率不理想设备昂贵并没有过多投入生产。随着计算机硬件的发展，摄像机技术发展迅速，结合着计算机视觉技术，不少国家都研发出自己的裂缝检测系统，其中、美国威林克公司、加拿大的 G.I.ETechnology 公司以及澳大利亚 ARRB 研究所都研发出自己的路面检测系统。

图 1-2 美国 PCES 系统近年来，加拿大 Roadware 公司研发 ARAN 路面裂缝自动评价系统[13]，如图 1-3 所示，这是一套比较成熟完整的裂缝识别系统，该系统解决了之前裂缝系统不能在白天工作和只能低速运行的难题，它可以在高达 80km/h 的车速下全天候工作,但是由于裂缝检出率不理想设备昂贵并没有过多投入生产。随着计算机硬件的发展，摄像机技术发展迅速，结合着计算机视觉技术，不少国家都研发出自己的裂缝检测系统，其中、美国威林克公司、加拿大的 G.I.ETechnology 公司以及澳大利亚 ARRB 研究所都研发出自己的路面检测系统。

【参考文献】

相关期刊论文 前10条

1 徐欢;李振璧;姜媛媛;黄剑波;;基于OpenCV和改进Canny算子的路面裂缝检测[J];计算机工程与设计;2014年12期

2 王行甫;陈家伟;;基于高斯核的SVM的参数选择[J];计算机系统应用;2014年07期

3 陈利华;董志学;;基于Android的裂缝宽度检测系统设计实现[J];计算机工程与设计;2013年09期

4 沈照庆;彭余华;舒宁;;一种基于SVM的路面影像损伤跨尺度识别方法[J];武汉大学学报(信息科学版);2013年08期

5 张慧敏;柴毅;;支持向量机多类分类的数字调制方式识别[J];重庆大学学报;2011年12期

6 樊海玮;张国翊;丁爱玲;谢昌荣;徐婷;;BP改进算法及其在路面裂缝检测中的应用[J];长安大学学报(自然科学版);2010年01期

7 瞿子易;周文;罗鑫;戴建文;;基于粒子群和支持向量机的裂缝识别[J];石油与天然气地质;2009年06期

8 啜二勇;;国内路面自动检测系统研究历程及展望[J];中国高新技术企业;2009年19期

9 啜二勇;;国外路面自动检测系统发展综述[J];交通标准化;2009年17期

10 伯绍波;闫茂德;孙国军;贺昱曜;;沥青路面裂缝检测图像处理算法研究[J];微计算机信息;2007年15期

相关博士学位论文 前1条

1 赵吉广;基于视频图像的路面性能参数采集方法研究[D];东南大学;2006年

相关硕士学位论文 前10条

1 王鹏;基于无人机视频的桥梁裂缝识别方法研究[D];华南理工大学;2018年

2 狄亚平;路面裂缝识别算法研究[D];郑州大学;2018年

3 罗瑞;基于图像处理的路面裂缝检测算法研究[D];安徽工程大学;2017年

4 寇潇;基于深度学习的桥梁裂缝检测算法研究[D];西安电子科技大学;2017年

5 王婷婷;公路路面裂缝检测与识别技术研究[D];大连海事大学;2017年

6 郭慧峰;基于卷积神经网络的12306验证码识别[D];华南理工大学;2017年

7 王怡新;基于形态学的SVM—Adaboost裂缝分类研究[D];长安大学;2017年

8 董钦;路面裂缝图像检测识别系统研究[D];华东交通大学;2014年

9 王玮华;基于图像处理技术的桥梁裂缝检测[D];长安大学;2013年

10 宋平丽;基于视频图像的桥梁裂缝检测[D];武汉理工大学;2010年

本文编号：2833064