avatar avatar 我的文献 基于卷积神经网络的桥梁裂缝识别和测量方法 单位 天津市复杂系统控制理论与应用重点实验室(天津理工大学); 天津理工大学电气电子工程学院 期刊 计算机应用 时间 关键词 图像处理; 深度学习; GoogLeNet深度卷积模型; 骨架提取算法 基金 天津市科技特派员项目(14JCTPJC00510)
摘要
针对传统的图像处理算法和经典的深度学习模型用于桥梁裂缝的检测不理想的问题,提出一种基于改进GoogLeNet的桥梁裂缝检测算法。首先,构建了一个较大规模的桥梁裂缝数据集RLH(Retinex-Laplace-Histogram Equalization)用于模型的训练和测试。其次,针对既有的GoogLeNet模型,采用归一化的卷积核改进了inception模块,采用三种改进方案修改网络开头,去掉第七个及以后的inception层,建立桥梁裂缝特征图像分类系统。最后,利用滑动窗口精准定位裂缝并结合骨架提取算法计算裂缝的长度和宽度。实验结果表明,所提方法的检测准确率平均超过96%,训练时间减少为原来的64.6%。另外,骨架提取算法能够考虑裂缝的走势,计算宽度更加准确,且最大宽度和平均宽度都能计算。综上所述,本文分类和测量方法具有准确度高,速度快,定位准确,测量准确等特点。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭