基于机器视觉的桥梁裂缝识别方法研究

吴 正思¹, 倪 言希¹, 应 旭永²
1、福州市公路事业发展桥隧中心
2、苏交科集团股份有限公司

摘要

随着国内桥梁运营里程的增长与服役时间的推移,桥梁作为生命线工程的健康状态亟需关注。对桥梁进行
服役性能的健康状态评估,及时监测并识别病害,对潜在的异常状况进行预警,具有重大的现实与经济价值。本文
利用机器视觉技术,对混凝土桥梁中最常见的病害——裂缝进行图像识别,利用卷积神经网络算法对4000张裂缝图
像进行识别训练,生成裂缝识别模型,实现对水平、竖直、斜向和交叉等多种类型裂缝的图像识别,识别结果准确
率达90%以上,实现了病害智能识别的功能需求。

关键词

桥梁健康监测;机器视觉系统;桥梁裂缝;卷积神经网络;图像识别

参考

[1] 夏长林 . 深度学习在图像识别中的应用 [J]. 电脑知

识与技术，2019，15（33）：185-186.

[2] 覃仁超 . 基于机器视觉的图像识别技术应用 [J]. 电

气时代，2006，（2）：7-9.

[3] 刘曙光 . 人工神经网络基本特征与思维能力 [J]. 自

然辩证法研究，1996，（4）：6-9.

[4] 胡貌男，邱康，谢本亮 . 基于改进卷积神经网络

的图像分类方法 [J]. 通信技术，2018，51（11）：72-78.

[5] 陈幻杰，王琦琦，杨国威等 . 多尺度卷积特征融

合的 SSD 目标检测算法 [J]. 计算机科学与探索，2019，13

（6）：1049-1061.

[6] 马天娇 . 基于机器视觉的缺陷检测与识别方法研

究 [D]：硕士学位论文 . 中国科学院大学（中国科学院长

春光学精密机械与物理研究所），2018.