杨紫艳 马龙博 邓 凌 史有玉

(东北林业大学土木工程学院，黑龙江 哈尔滨 150040)

0 引言

桥梁在役期间受环境等因素的影响，其自身各部分结构会产生不同程度的损伤和劣化。常见的桥体结构病害特征有裂缝、剥蚀、钢筋锈蚀、混凝土碳化等，而桥梁裂缝作为一种主要的桥体结构病害特征，对桥梁健康状态综合评定结果有重要影响[1]。

传统的人工检测方法，在检测效率、检测精度上、劳动强度、成本等方面存在很多不足[2]。近年来，无人机被广泛地应用在施工和工程质量检测工作中，大量学者研究基于无人机的桥梁裂缝自动化检测技术：基于无人机采集图像和相关数据，利用图传技术收集桥梁外观信息，研究图像识别算法，实现桥梁裂缝的自动化检测识别，其技术的核心问题和研究重点是图像识别算法。传统的图像处理算法在裂缝识别效果上无法满足桥梁检测工作的要求。卷积神经网络的出现，很大程度上提升了图像识别的准确率[3-5]，应用该算法实现图像识别的效果已经得到大量学者的验证。

本文以卷积神经网络为基础，提出一种基于无人机的桥梁裂缝识别的技术，该技术为实现桥梁自动化检测提供一定帮助。

1 国内外基于卷积神经网络的图像识别技术研究现状

卷积神经网络的研究最早开始于20世纪80年代，一些学者开展了卷积神经网络(CNN)的相关科研工作，并在手写数字识别中取得了良好的图像自动化识别效果[6]。然而受计算机性能等因素限制，此时卷积神经网络无法很好地对大规模的数据进行识别分析。……