![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于深度学习的桥梁裂缝的智能识别与分类.pdf
《基于深度学习的桥梁裂缝的智能识别与分类.pdf》由会员分享,可在线阅读,更多相关《基于深度学习的桥梁裂缝的智能识别与分类.pdf(6页珍藏版)》请在咨信网上搜索。
1、现代电子技术Modern Electronics TechniqueDec.2023Vol.46 No.242023年12月15日第46卷第24期0 引 言公路桥梁是我国交通基础设施体系中的一项重要组成部分。根据中华人民共和国交通运输部 2020 年交通运输行业发展统计公报1显示,截至2020年末,全国公路桥梁 91.28 万座,其中特大桥梁 6 444 座,大桥119 935座。目前,我国桥梁多为钢筋混凝土结构,约占桥梁总数2的90%,在长期使用的过程中,由于受到车辆荷载、温度变化及其他因素影响,局部路面出现不均匀沉降、平整度不足等状况,桥梁路面结构也出现了裂缝、保护层脱落等问题。有关专家认
2、为,我国 40%的桥梁在役时间超过25年,属于“老龄化”桥梁3。由于桥梁沥青路面养护多次大修中的铣刨、重铺,使路面结构与设计初期存在较大差异,部分路段裂缝问题严重;其次,有些路面未能及时监测保养,路面表面损害严重,行车舒适性显著降低,路面使用寿命大打折扣。我国当前所使用的桥梁检测手段仍然是以传统的人工检测为主,但人工检测过程中需要占道施工,对行车安全以及检测人员的安全都造成了一定的威胁,而且人工检测的工作量大、效率低、主观性强,难以保证评估结果的准确性与客观性。深度学习被广泛用于机器视觉、自然语言处理等领域,相比传统目标检测算法,基于深度学习的目标检测DOI:10.16652/j.issn.1
3、004373x.2023.24.024引用格式:彭家旭,顾亦然.基于深度学习的桥梁裂缝的智能识别与分类J.现代电子技术,2023,46(24):135140.基于深度学习的桥梁裂缝的智能识别与分类彭家旭1,顾亦然1,2(1.南京邮电大学 自动化学院、人工智能学院,江苏 南京 210230;2.南京邮电大学 智慧校园研究中心,江苏 南京 210230)摘 要:桥梁裂缝检测是桥梁养护作业中的一项重要工作,但目前的裂缝检测效率和质量仍有待提高,难以满足未来大量桥梁检测的任务需求。为解决传统检测存在的桥梁裂缝识别效率低、效果不佳等问题,提出一种基于深度学习YOLOv5s的改进算法,实现对桥梁裂缝的识别
4、与分类。对数据集进行分割与数据增强处理,再采用 Labelimg图像标注软件制作裂缝分割模型训练数据集,构建自注意力机制(CBAM)增强模型。实验结果表明,所提出的裂缝检测模型能够实现对桥梁裂缝高精度、高效率、智能化的检测,具有较强的研究价值和广泛的应用前景。关键词:桥梁检测;裂缝识别;YOLOv5s;Labelimg;数据增强;自注意力机制;智能化检测;桥梁养护中图分类号:TN911.7334;TP391.41 文献标识码:A 文章编号:1004373X(2023)24013506Deep learning based intelligent identification and class
5、ification of bridge cracksPENG Jiaxu1,GU Yiran1,2(1.College of Automation&College of Artificial Intelligence,Nanjing University of Posts and Telecommunications,Nanjing 210230,China;2.Research Center of Smart Campus,Nanjing University of Posts and Telecommunications,Nanjing 210230,China)Abstract:Brid
6、ge crack detection is an important task in bridge maintenance operations.However,the current efficiency and quality of crack detection still need to be improved,which has brought difficulties to meet the needs of a large number of future bridge detection tasks.In order to solve the problems of low e
7、fficiency and poor effectiveness in identifying bridge cracks in traditional detection,an improved algorithm based on deep learning YOLOv5s is proposed to achieve the recognition and classification of bridge cracks.The dataset is segmented and enhanced,Labelimg image annotation software is used to c
8、reate a crack segmentation model to train the dataset,and construct a self attention mechanism enhancement model.The experimental results show that the proposed crack detection model can achieve highprecision,highefficiency and intelligent detection of bridge cracks,which has strong research value a
9、nd broad application prospects.Keywords:bridge detection;crack recognition;YOLOv5;Labelimg;data enhancement;selfattention mechanism;intelligent detection;bridge maintenance收稿日期:20230607 修回日期:20230713135135现代电子技术2023年第46卷技术可以自动提取目标特征4,使特征表达更具鲁棒性和泛化性5。根据有无候选框生成阶段作为区分6,基于深度学习的目标检测技术主要分为双阶段模型和单阶段模型,双阶段模
10、型有RCNN7、FastRCNN8、FasterRCNN9、MaskR CNN10等,单 阶 段 模 型 有 SSD11、DSSD12、YOLO13、YOLOv214、YOLOv315、YOLOv416等。YOLO系列目标检测算法是一种检测精度高、速度快且检测性能好的单阶段检测器。因此,本文以 YOLO系 列 中 较 为 先 进 的 YOLOv5s 算 法 作 为 研 究 对 象。YOLO的整体思想是将整张图作为神经网络的输入,把目标检测的整个过程转化成一个回归问题,通过搭建的整个网络结构输出目标的坐标位置和它属于哪一个类别,达到定位检测的目的。基于深度学习的目标检测弥补了传统方法硬件成本高、
11、现场布置复杂等缺点,对桥梁检测工作有着较大的帮助,对未来桥梁养护也有着深远意义。1 YOLOv5s算法简介YOLOv5s网络是 YOLOv5系列中深度最小、特征图宽度最小的网络。YOLOv5s 由 Input、Backbone、Neck、Head四个部分组成,图1所示为YOLOv5s模型结构。Input 部分进行 Mosaic 数据增强、自适应锚框计算16及自适应图片缩放。Mosaic 数据增强丰富了图片信息,对图片随机缩放,再随机分布进行拼接,大大丰富了检测数据集,特别是随机缩放增加了很多小目标,让网络的鲁棒性更好。自适应锚框计算针对不同的数据集都会有初始设定长宽的锚框,训练时网络在初始锚框
12、的基础上输出预测框,进而和真实框进行比对,计算两者差距,再反向更新,迭代网络参数。自适应图片缩放可以有效提高检测的准确率。Backbone 部 分 主 要 包 含 CBL 模 块、Focus 模 块、CSP17模块、SPP18模块。CBL 为标准卷积模块,包括普通卷积层Conv、批量归一化层BN和Leaky ReLU激活函数层。Focus模块是对图片进行切片操作,具体操作是:在一张图片中每隔一个像素取一个值,类似于邻近下采样,可以得到 4张采样图片,4张图片互补。CSP模块是将原输入分成两个分支,分别进行卷积操作使得通道数减半,然后进行BottleneckN操作,Concat两个分支使得Bot
13、tlenneck CSP的输入与输出一样大小,让模型获得更多的特征。SPP模块称为空间金字塔池化模块,通过引入不同的池化核来提取特征图中不同大小目标的特征。Neck 部分采用了 PANET19的结构,将特征金字塔网络(Feature Pyramid Network,FPN)20和路径聚合网络(Path Aggregation Network,PAN)19相结合。其中,FPN是自顶向下,将深层的语义特征传递到浅层,增强了语义信息,不过对浅层的定位信息没有传递;PAN 是对FPN的补充,在FPN的后面添加了一个自底向上的金字塔结构,将浅层的强定位特征传递到深层。FPN和PAN又被称为“双塔战术”。
14、Head 部分中的主体部分就是3 个 Detect检测器,即利用基于网格的 anchor在不同尺度 的 特 征 图 上 进 行 目 标 检 测 的 过 程。采 用 了Boundingbox损失函数和NMS非极大值抑制。非极大值抑制主要是用来抑制检测时出现冗余的框。2 YOLOv5s算法改进对现有 YOLOv5s 网络结构进行扩展和优化,使网络结构更简单、更轻量。本文在删除部分网络结构的同时,还嵌入了注意力机制模块,这样网络就不会失去太多的准确性。CBAM模块是一种的轻量级注意力模块,模块结构如图2所示,可以在通道和空间维度上增加关注。CBAM 模块由通道注意力模块和空间注意力模块两个独立的子模
15、块组成,分别在通道和空间中添加注意力模块,不仅可以节省参数和计算能力,还可以确保它作为即插即用模块插入现有的网络架构中。CBAM 模块在特征映射上操作,通过通道注意力模块和空间注意力模块更细化地提取特征,提高了模型的表现力。本文在 C3模块中相邻的瓶颈模块之间增加了 CBAM 模块,如图3所示,该模型称为YOLOv5sCBAM模型。通道注意力模块是将特征图输入注意力模块,分别为全局绘制池和空间最大池,然后分别变成两层神经网络,将这两个特征与 Sigmoid 激活函数相结合,得到权系数 Mc,将权系数与原有特征相乘可以得到新特征 F,公式如下:Mc(F)=()MLP()AvgPool()F+ML
16、P()MaxPool()F =()W1()W0()Fcavg+W1()W0()Fcmax (1)式中MLP为多层感知机。空间注意力模块是对获得的新特征进行平均池化和最大池化,然后把两个输出进行拼接,经过一个 77的卷积层和 Sigmoid 激活函数后,得到权系数 Ms,再乘以F得到F。最后,将F与原始输入相加,得到整个CBAM输出的新特征,公式如下:Ms(F)=()f7 7()AvgPool()F,MaxPool()F =()f7 7()Fsavg;Fsmax (2)式中:AvgPool为平均池化;MaxPool为最大池化。136第24期图2 CBAM模块结构图3 本文CBAM模块结构由于原
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 深度 学习 桥梁 裂缝 智能 识别 分类
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。