科研之友
微信
新浪微博
Facebook
分享链接
摘要
当前，裂缝识别与监测一直是桥梁结构健康监测的重要研究内容。在桥梁结构现场检测与监测中，传统的裂缝识别与监测技术尚不足以满足实际工程的时效性和精确性需求，尤其是裂缝监测技术。基于深度学习的裂缝图像识别极大提升了裂缝检测的效率和精度，但目前仅能获得特定时刻的裂缝信息，缺乏裂缝产生和演化过程的监测能力，而这些信息对混凝土结构服役安全量化和科学评价具有重要意义。鉴于此，本文对基于深度学习的裂缝识别与监测方法进行了系统研究，分析和讨论了裂缝数据集构建基准，改进优化了裂缝目标检测和语义分割算法，提出了多任务集成一体化实时识别算法，建立了模型推理效果评价方法，优化了裂缝参数计算方法，最终形成了裂缝识别及动态扩展自动化实时监测方法。结果表明，本文提出的裂缝智能识别与监测方法可以对新裂缝的产生和既有裂缝的全局演化实现良好追踪，监测数据可以为桥梁结构当前服役性能的科学量化评估提供支撑。
