基于深度学习的较复杂背景下桥梁裂缝检测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.19713/j.cnki.43-1423/u.T20200107

基于深度学习的较复杂背景下桥梁裂缝检测

引用
桥梁的定期裂缝检测对于确保桥梁的安全运行至关重要,而目前的人工检测方法不仅耗时费力,还存在诸多不安全因素.而桥梁裂缝还具有多种噪声模式,因此,针对桥梁裂缝的高效检测成为了桥梁健康检测的研究热点和难点.为了实现对较复杂背景下的桥梁裂缝的精确和高效的识别,提出一种结合U-net和Haar-like算法的卷积神经网络的深度学习算法.通过与DenseNet,ResNet,GoogleNet和VGGNet网络的比较,证明了该算法的有效性.同时,该算法还可以对裂缝的面积、长度和平均宽度进行定量计算,检测精度高于97%.研究结果表明:该算法适用于桥梁裂缝图像的高效检测.

桥梁安全、裂缝检测、较复杂背景下、卷积神经网络、深度学习、定量计算

17

X947

国家自然基金青年科学基金资助项目;重庆市质量技术监督局科研计划项目;重庆市技术创新与应用发展专项面上项目;长江科学院开放研究基金资助项目

2020-12-15(万方平台首次上网日期,不代表论文的发表时间)

共7页

2722-2728

相关文献
评论
暂无封面信息
查看本期封面目录

铁道科学与工程学报

1672-7029

43-1423/U

17

2020,17(11)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn