基于改进Faster R-CNN的路面灌封裂缝检测方法

路面灌封裂缝对路面使用寿命的影响较为突出,为了解决目前灌封裂缝检测技术匮乏的问题,文中提出了一种基于改进Faster R-CNN的路面灌封裂缝检测方法。首先,建立灌封裂缝图像集,对采集到的图像进行增广处理,构建路面灌封裂缝标注样本数据集,并将图像集按6∶2∶2的比例划分为训练集、验证集和测试集;接着,采用Faster R-CNN模型对灌封裂缝进行检测,针对Faster R-CNN检测灌封裂缝存在漏检、定位效果不够理想的问题,文中分别将VGG16、ZFNet和Resnet50网络的特征提取层与Faster R-CNN模型进行结合,结果表明,VGG16和Faster R-CNN结合的模型检测精度最高,达到0.9031;然后,通过增加灌封裂缝候选框宽高比的方法继续改进模型,检测精度达到0.9073,且原先被漏检的目标能被检测出来;最后,对改进Faster R-CNN与YOLOv2模型的检测精度及定位效果进行对比,结果表明,文中提出的改进Faster R-CNN能够明显提高对灌封裂缝的检测准确率和定位精度。

一种新的沥青路面灌封裂缝自动提取方法

为了提高基于图像处理的沥青路面病害识别效率和精度,引入图像增强处理中的多尺度视网膜(multi-scale Retinex,MSR)算法以减弱光照不均匀、道路场景多变等因素对路面病害图像质量的影响。针对SegNet网络难以精确分割沥青路面微小病害的问题,采用比视觉几何群网络(visual geometry group network,VGG)效果更好的残差网络(residual network,ResNet)作为主干网络,同时加入空洞卷积(dilation convolution)层,提高网络对细小病害的识别性能;针对改进网络在识别病害时误检率较高的问题,运用阈值法剔除分割结果中的假阳性。为了验证改进算法的有效性,将其与具有代表性的语义分割方法(如SegNet、BiSeNet)在相同数据集上进行对比,三者的平均交并比(mean intersection over union,MIoU)分别为0.7763、0.6743、0.6971,三者的F_(1)分数(F_(1)-score,F_(1))分别为0.8999、0.8743、0.8990。运用所提方法对甘肃省部分路段的路面灌封裂缝进行识别,结果与人工检测相比,漏检率为0.09%,误检率为2.49%。实验结果表明:所提方法能够更精确地提取沥青路面灌封裂缝。

浅谈混凝土结构裂缝封缝灌缝可视化效果处理技术

简述了混凝土结构裂缝灌缝处理技术,结合工程实际,对混凝土结构裂缝灌缝可视化效果处理技术进行了一些探索,实现了混凝土结构裂缝封缝灌缝处理后可视化的效果。

装配式梁桥灌封缝粘钢板加固工艺与质量控制

公路中小跨径装配式梁桥因梁板裂缝等典型病害出现单板受力承载能力下降时,对梁板裂缝灌封处理后,对全桥整体梁板,底面横向灌注法粘贴条状钢板,对局部有超限裂缝梁板,底面纵向涂抹法粘钢板,从而提高桥梁上部的整体强度与刚度。该法着力点在板底进行,避免对板梁体破坏,不改变结构受力体系,不中断公路交通,既能保证施工安全、运营安全,又实现快速修复。

基于改进SegNet的沥青路面病害提取与分类方法

针对现有SegNet算法难以精确区分裂缝和灌封裂缝等具有相似特征的沥青路面病害的问题,提出了基于改进SegNet网络的沥青路面病害提取方法。针对道路标线和光照不均匀等导致路面病害图像质量差异化的因素,本研究在去除道路标线的基础上,运用带色彩恢复的多尺度视网膜增强算法,降低道路标线和光照对图像质量的影响以及增强路面病害图像的对比度、色调和亮度,提高病害的识别精度;为了充分利用图像的上下文信息,解决SegNet网络对细微病害分割效果不佳的问题,引入残差神经网络(ResNet)作为编码器,并对解码器中每个上采样产生的特征图拼接2个分别由卷积层(1×1的卷积核)和空洞卷积层从对应的编码器中获取的尺度相同的特征图;运用形态学闭运算连接分割结果中不连续的裂缝。为了验证改进算法的有效性,将其与典型的语义分割方法(SegNet和BiSeNet)在测试集上进行测试和性能对比。研究结果表明,3种方法的平均交并比(MIoU)和F1分数(F1-score)分别为(82.4%,98.9%),(69.4%,94.0%),(80.5%,98.1%);利用这3种方法对甘肃省部分路段路面病害的提取效果进行对比测试,提出方法的裂缝漏检率和误检率分别为2.91%,1.94%,优于SegNet(10.68%,14.56%)和BiSeNet(6.80%,12.62%)。本研究所提方法能够更精确地提取和区分沥青路面裂缝和灌封裂缝。