基于深度卷积神经网络的裂纹检测方法综述
2021-05-14徐兴华邱少华崔小鹏欧阳斌
计算机工程与应用 2021年9期
冉 蓉,徐兴华,邱少华,崔小鹏,欧阳斌
海军工程大学 舰船综合电力技术国防科技重点实验室,武汉430033
随着社会经济的发展,建筑物、桥梁、道路和铁路等民用基础设施的规模越来越庞大,保持良好的运行状态对于公共安全至关重要。而裂纹是威胁民用基础设施安全运行的重要因素之一,见图1[1]和图2。及时准确地检测出裂纹的萌生及扩展情况,可以有效避免重大灾难性事故的发生[2]。因此,裂纹检测在经济、交通、建筑、船舶等领域均有重要的应用价值。

图1 混凝土表面裂纹
裂纹根据其出现材料位置的不同,可分为表面裂纹和内部裂纹,本文主要聚焦表面裂纹的检测方法。早期表面裂纹检测的主要手段是靠人眼识别,该方法受视觉分辨力的限制,受外界环境影响较大,容易因视觉疲劳导致效率低、精度低的问题;此外,由于检测人员个人主观经验存在差异性,很难形成一个客观统一的检测标准。随后,类似于声学、光学、射线等传统无损检测方法的应用和各种检测器件的更新升级推动了检测精度和检测速度的相对提高[3]。这些检测方法虽然涉及了民用基础设施的各个领域,并在各自的待检测对象上具备独特的优势,但大多数检测方法的应用还是符合特定检测条件的前提下所进行的人为操作。这些方法均只能判断裂纹的有无,无法对裂纹进行定性地分类以及测量[4]。计算机视觉技术通过相机等传感器设备非接触式地采集物体表面的图像并进行自动化地分析处理,具有精确性高、非接触性、灵活性、成本低等优点,在裂纹检测领域得到越来越广泛的应用[5]。……
登录APP查看全文
