用于桥梁病害检测的无人机地面站设计及实现

无人机地面站作为无人机控制系统中至关重要的一部分,其主要功能为无人机飞行控制以及任务管理.设计专用无人机地面站,提高对于任务的适应度,是推广应用无人机的一大有效举措.本文基于实际需求,设计及实现了用于桥梁病害检测的专用无人机地面站,该地面站具备无人机飞行监控、快捷控制、飞行任务规划、飞行路径以及航迹显示等功能,其基于Visual Studio 2019软件开发,主框架采用C#编写,电子地图采用Google map(Gmap)以及Google Earth二次开发实现,数据协议采用MAVlink协议.通过实机测试,地面站软件各个功能模块工作良好,能够高效地完成既定任务,可以达到设计目标.

基于集对分析模型的BIM桥梁病害检测评价研究

BIM桥梁建养一体化模式下桥梁病害检测与养护,能够从桥梁运营过程中及时提取出所需要的信息,并且可以实现管理的精细化。为了对系统进行更为有效的评价,文章构建了4个一级指标以及15个二级指标的评价体系,并采用熵权法确定了BIM桥梁病害检测与养护评价指标的权重,借用集对分析模型,通过分析工程实例,验证方法的可行性以及合理性。

基于机器学习的RC桥梁病害检测方法的研究

人工判别病害有较大的工作量、达不到较高效率等问题在桥梁检测中比较常见,本研究基于RC(钢筋混凝土)桥梁初步探讨了桥梁病害检测中机器学习的应用。围绕钢筋混凝土桥梁应用桥梁病害的现有检测方法、机器学习研究进展及机器学习方法等方面展开相关探讨,结果显示,以深度学习为基础的桥梁病害检测方法可从病害图像中自动提取病害相应特征,对病害进行分类并准确定位,为病害自动化检测提供了具体应用场景,对于提高桥梁智能化养护管理水平十分积极地作用。

高速公路桥梁定期检测分析——以书房特大桥为例

桥梁作为高速公路的重要组成部分,其工程质量直接关系到高速公路运行的安全性和稳定性。因此,为了确保高速公路桥梁的安全运营,需对高速公路桥梁进行定期检测,以便及时掌握桥梁病害情况与整体运行状况。文章以书房特大桥梁定期检测为例,通过对桥梁进行定期检测,及时发现桥梁存在的病害,减少桥梁安全隐患,为桥梁后期的养护加固提供参考依据。

基于改进YOLO的双网络桥梁表观病害快速检测算法

桥梁表观病害检测是确保桥梁安全的关键步骤.然而,桥梁表观病害类型多样,不同病害间外观差异显著且病害之间可能发生重叠,现有算法无法实现快速且准确的桥梁多病害检测.针对这一问题,对YOLO(You only look once)进行了改进,提出了YOLO-lump和YOLO-crack以提高网络检测多病害的能力,进而形成基于双网络的桥梁表观病害快速检测算法.一方面,YOLO-lump在较大的滑动窗口图像上实现块状病害的检测.在YOLO-lump中,提出了混合空洞金字塔模块,其结合了混合空洞卷积与空间金字塔池化,用于提取稀疏表达的多尺度特征,同时可以避免空洞卷积造成的局部信息丢失;另一方面,YOLO-crack在较小的滑动窗口图像上实现裂缝病害的检测.在YOLO-crack中,提出了下采样注意力模块,利用1×1卷积和3×3分组卷积分别解耦特征的通道相关性和空间相关性,可以增强裂缝在下采样阶段的前景响应,减少空间信息的损失.实验结果表明,该算法能够提高桥梁表观病害检测的精度,同时可实现病害的实时检测.

基于迁移学习的桥梁表观病害检测技术研究

桥梁表观病害检测是保证桥梁设施安全的关键技术之一。深度卷积网络因其强大的特征提取能力,被广泛应用于土木工程领域的结构病害识别与检测,然而在土木工程领域中往往缺乏用于训练深度学习网络的高质量大规模病害图像数据集。针对上述问题,提出一种基于迁移学习的桥梁表观病害检测方法。该方法运用迁移学习技术,通过迁移VGG16网络模型结构及全部卷积层参数,并在迁移后的模型结构上添加新的全连接层,以此来解决训练数据集不足的问题。运用动态学习率调整策略,以不同的学习率对卷积层和全连接层参数分别进行微调,用于提高模型的识别准确率。实验对比ResNet18,ResNet50,VGG19,VGG16等主流深度学习网络模型,该方法在验证集上取得了最高准确率,为98.86%。用实拍的未经过处理的桥梁表观病害图像数据集进行测试,该方法的整体结构表观病害识别准确率达到88.33%,其中泛碱、露筋和裂缝3类病害的测试准确率分别达到96.25%,80.00%和88.75%,具有较高的病害识别准确率,可以用于在役桥梁表观病害识别。

复杂背景下基于改进YOLO v3算法的桥梁表观病害识别

为提升复杂背景下混凝土桥梁表观病害检测精度,提出一种基于改进YOLO v3算法的桥梁表观病害检测方法。首先,针对病害存在密集分布且病害尺度变化较大的特点改进了YOLO v3的网络结构,在检测层中嵌入SE注意力机制模块和空间金字塔池化模块,加强了语义特征提取能力;其次,选用定位能力更好的CIoU作为损失函数进行训练;最后,通过K-means算法对桥梁表观病害缺陷数据集进行锚框聚类。为验证本文所提出算法的有效性,建立1363张包含桥梁露筋、剥落、水侵蚀病害的数据集,经手工标注、数据增强后进行网络训练。实验结果表明:改进后的YOLO v3模型相比原有模型在精确率、召回率、平均分类精度等指标上均有较大提升,其总体平均精度均值提高了5.5%。在RTX2080 Ti显卡下检测帧率达到84 fps,能够更加精准并实时地检测桥梁病害。

地面激光扫描点云与无人机影像点云融合应用

通过建立高精度的桥梁三维点云模型,检查桥梁病害情况并拟合绘制出桥梁线形。首先以无人机近景摄影、环绕飞行、井字飞行获取某双线特大桥梁主体与细部纹理数据,然后将不同航线采集的数据在Context Capture软件里面进行三维重建,将桥梁主体与细部影像融合生成完整桥梁点云1。运用Trimble SX12仪器完成对桥梁一体化扫描,获得完整桥梁点云2。提出基于双向KD-tree优化的ICP(Iterative Closest Point)算法对无人机航摄桥梁点云1与地面激光扫描桥梁点云数据2进行配准融合,加密后的桥梁点云用于建立运营铁路双线特大桥精细化三维实景建模。提出基于KD-tree的PCA(Principal Component Analysis)算法完整提取出桥梁吊索点云,运用最小二乘法拟合出桥梁拱轴线线形、RANSAC算法拟合出桥面线形。通过与单一无人机、单一地面激光扫描精度及完整性对比分析,以验证融合建模的有效性。研究结果表明:融合建模的模型水平精度1.71 cm、垂直方向精度1.25 cm,较单一无人机建模精度在水平与竖直方向分别提升16.59%与20.89%;融合建模的完整性为98.17%,纹理效果更加真实,并检查出桥墩存在蜂窝麻面、渗水等病害,拱肋存在涂装锈蚀、破裂等病害。该研究可为桥梁三维点云模型应用研究提供思路参考,具有较好的应用前景。

新型防水卷材技术在地下室防水工程中的应用研究

本文旨在研究新型防水卷材技术在地下室防水工程中的应用,并探讨基于红外热像技术的桥梁隐蔽病害检测与诊断方法。通过分析新型防水卷材技术的特点和优势,以及红外热像技术在桥梁隐蔽病害检测中的原理和应用案例,本文对两个领域的研究进行综合论述。关键词包括新型防水卷材技术、地下室防水、红外热像技术、桥梁隐蔽病害检测等。研究结果表明,新型防水卷材技术在地下室防水工程中具有可靠性和耐久性,而基于红外热像技术的桥梁隐蔽病害检测与诊断方法能够提高桥梁结构的安全性和可持续发展。

刚构拱桥加固技术要点

以某桥梁工程为例,对刚构拱桥加固技术要点展开分析论述。研究表明,在刚构拱桥加固中,可以采用表面封闭和压力灌浆的方法处理混凝土裂缝,通过粘贴钢板和增设横系梁,可显著提升结构承载力,延长桥梁的使用寿命。