基于改进Faster R-CNN+ZF模型的铁路桥梁裂缝分类方法
2020-04-08王纪武鱼鹏飞罗海保
北京交通大学学报 2020年1期
王纪武,鱼鹏飞,罗海保
(北京交通大学 机械与电子控制工程学院, 北京 100044)
铁路的高速发展是现代化建设的重要基石,铁路桥梁是铁路线路中的重要组成部分,确保铁路桥梁的安全耐久性,关乎国计民生.在铁路桥梁中,裂缝是最常见病害之一,通过工程实践可知,90%左右的桥梁故障由它引起,必须对含有病害的桥梁持续监测[1]. 因此,实现裂缝的实时分类监测,及时发现桥梁裂缝病害,具有重要的现实意义.国内外学者对此展开了深入广泛的研究,并且取得了一些成果.
目前,基于传统数字图像处理方式实现裂缝的分类是目前的主流方式.Oliveira等[2]采用了一种基于裂缝连接性和宽度估计值信息来实现裂缝的自动分类方法.陈瑶等[3]等提出了一种基于爬壁机器人的桥梁裂缝图像检测与分类方法.姜吉荣等[4]融合了裂缝图像重点区域灰度特征、裂缝走向以及形态学特征来实现裂缝的分类.何健等[5]引入近似支持向量机算法,并建立非线性模型进行多解分析来实现裂缝的分类.这些裂缝分类方法大多应用在公路桥梁领域,但高速铁路桥梁的裂缝特征和公路桥梁存在较大的差异[6],铁路桥梁底部经常为低照度环境,采集的裂缝原始图像中随机高强噪声、非线性过饱和像素[7]以及异物干扰问题更加突出,且对微细裂缝的有效识别要求更加苛刻,传统图像处理方法并不能有效实现高速铁路桥梁裂缝的精准分类,并且由于这些算法……
登录APP查看全文
