基于关键点检测的钢桥螺栓松动识别方法

摘要：

针对钢桥高强螺栓人工检测效率低、风险大,难以量化松动程度等问题,研发了一种基于关键点识别的批量螺栓松动检测方法.首先,通过卷积神经网络模型定位图像中的螺栓关键点;其次,采用K-means聚类算法对螺栓关键点进行包络,计算螺栓初始角度与松动角度.通过收集试验室环境下的螺栓图片对算法性能进行验证,结果表明试验室松动测试均方根误差均在0.63°-1.83°,最大误差为2°,单张平均检测耗时仅为51 ms.方法识别的松动角度与实际松动角度非常吻合,测试误差满足工程应用要求.

关键词：公路桥梁、螺栓松动、深度学习、钢桥螺栓

所属期刊栏目：45

分类号：TU712.3(建筑施工)

资助基金：国家自然科学基金;浙江省交通运输厅科技计划项目

在线出版日期：2023-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：56-59