基于深度学习和无线传输的桥梁裂缝图像识别系统

论文摘要

目前混凝土桥梁裂缝检测自动化程度低且多依靠人工肉眼判定裂缝的出现。为解决该问题,设计了一种便于搭载在检测设备上的桥梁裂缝识别系统。分为以下三个部分:采集传输系统,采用OV5640摄像头获取实时JPEG格式图像,使用WIFI协议完成JPEG数据流的传输,实现通过网络的图像实时传输;图像处理系统,采用与C#语言相对应的OpenCV函数库Emgu设计了一种高效视频流图像处理方法,并采用图像灰度化、中值滤波、阈值分割等方法处理裂缝图像;图像识别系统,在AlexNet神经网络的基础上改进设计了识别精确且速率更快的神经网络,用于裂缝的自动识别。通过对桥梁表面扫描拍摄,该识别系统可快速识别并定位裂缝,能够较大地提高裂缝检测自动化程度,推动了桥梁裂缝检测技术的发展。

论文目录

• 1 基本器件的选择
•   1.1 图像采集系统设计
•   1.2 地理信息采集系统设计
•   1.3 信息接收与处理综合系统设计
•     1.3.1 软件整体构思
•     1.3.2 数据接收部分的实现
•     1.3.3 图像预处理部分实现
•       （1） 图像灰度化
•       （2） 直方图均衡化
•       （3） 中值滤波
•       （4） 阈值分割
• 2 裂缝图像识别
•   2.1 神经网络模型设计
•   2.2 神经网络的设置与训练
•     2.2.1 神经网络模型参数初始化
•       （1） 滤波器的设置
•       （2） 数据集的处理
•       （3） 神经网络训练
•     2.2.2 神经网络的学习率以及激活函数的选择
•       （1） 学习率设置
•       （2） 激活函数的选择
•     2.2.3 经过改进的深度卷积神经网络
• 3 实验的结果与分析
• 4 结 论

文章来源

类型: 期刊论文

作者: 曾世钦,唐朝,陈可

关键词: 桥梁裂缝,图像识别,深度学习,无线传输

来源: 建材世界 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 公路与水路运输,计算机软件及计算机应用

单位: 武汉理工大学土木工程与建筑学院,武汉理工大学信息工程学院,武汉理工大学计算机科学与工程学院

基金: 国家级大学生创新创业训练计划(201810497204)

分类号: TP391.41;U446

页码: 78-82+98

总页数: 6

文件大小: 666K

下载量: 485