基于卷积神经网络的混凝土裂缝识别

针对基于图像处理和边缘检测的混凝土裂缝识别方法易受外部环境干扰,且在图像处理过程中会产生大量噪声,从而导致识别效果不佳的问题,提出一种基于卷积神经网络的裂缝识别方法。通过与当前主流卷积神经网络模型进行对比研究以及对真实的混凝土裂缝图像的识别验证,结果表明,文中所建立的CrackNet模型能够有效识别混凝土图像中的裂缝目标,具有高效性和强鲁棒性。

内压作用下有损镀锌钢管承载力研究

为研究有损镀锌管道极限承载力在内压作用下的变化规律,本文以D50镀锌钢管为研究对象,分别在管壁内外通过人工方式制作圆形等深度损伤,采用自动液压爆破试验机进行管道的爆破实验,分析总结缺陷位置及深度对试件管道失效压力的影响。通过测量和分析由加载初期到破坏过程中管道内壁纵向和横向应变变化,研究了管道应力的变化情况,分析了不同缺陷位置及不同缺陷深度下管道破坏模式的变化规律。缺陷深度与管道极限承载力负相关,同等深度下内腐蚀对极限承载力的影响比外腐蚀大,缺陷的存在使管壁应力呈现非线性变化关系。