卢佳祁 姚志东 刘业森 王罡

摘要：随着计算机视觉与机器学习技术的发展，自动化检测技术在建筑工程检测领域挥着重要的作用。采用无人设备进行图像数据采集，然后用机器学习对图像数据进行分析，成为当前智能检测技术的通用方法。深度学习作为主要的机器学习方法，因其鲁棒性较高而普遍应用在图像分析中。本文首先通过显著性检测方法选取待检测螺栓感兴趣区域，再使用ResNet-18卷积神经网络对感兴趣区域进行螺栓缺陷的识别与分类。并以某钢结构桥梁上的螺栓为例，利用该方法对无人机采集的螺栓外观图像进行了识别。结果表明，该方法可有效识别螺栓缺陷与类别，识别准确率高。

关键词：计算机视觉;高强螺栓;深度学习;显著性检测;缺陷检测

引言

钢结构螺栓连接在加工制作和安装方面具有明显的优越性，在国内外钢框架结构中被大量采用，尤其是桥梁等大型钢结构设施的主要连接方式之一[1]。随着我国钢结构桥梁建设的高速发展，高强螺栓的应用越来越广泛。但随着桥梁的运行，螺栓联接结构长期承受振动、冲击和疲劳，导致螺栓出现松动甚至脱落，影响整个结构的安全。因此，螺栓状态的实时检测，具有重要的工程意义。当前螺栓外观检测方式，主要依靠人工现场以手持数码相机或手持裂缝观测仪人工操作为主。随着技术的发展，也逐渐采用辅助机械伸展臂搭载摄像头采集图像进行人机交互分析的检测手段[2]，但其深度、广度及自动化水平普遍不高。……