日韩视频一区二区三区_国产精品久久久久天堂_日韩精品乱码av一区二区_中文字幕国产精品久久

52監測網專家報告分享-第71期

《橋梁測試與評估中的機器視覺技術》

主講人：晏班夫

 湖南大學

報告來源：第二屆全國橋梁智能檢測與安全評價技術論壇

專家介紹：

晏班夫，

工學博士，副教授 湖南大學土木工程學院碩士生導師

主要研究方向:

橋梁結構安全評估、維護與管理

橋梁管理系統(BMS)開發

土木工程中的智能分析方法

圖像處理技術及無線傳感網絡在橋梁健康監測中的應用

報告目錄

1、湖大橋梁團隊介紹

2、機器視覺，定義、圖像處理、人工智能

3、外觀評估技術，深度學習、智能識別分類

4、視頻測試技術，DIC、運動放大

5、未來之路，應用困惑、個人思考

報告簡介

1、研究概況：

2010年湖南大學邵旭東教授創新性地將超韌性UHPC材料STC應用于肇慶馬房橋鋼橋面鋪裝，全面解決了鋼橋面鋪裝易損壞、鋼板易疲勞開裂的大問題。

湖南大學橋梁工程研究所成員研究方向全面轉向UHPC橋梁新結構。

2、主要研究

（1）超高性能混凝土結構設計理論與工程實踐，湖大橋梁研究特色

（2）橋梁智能檢測（機器視覺、人工智能）研究興趣，培養有此愛好的學生，與企業合作

2.1 機器視覺概況

功能：實現快速化、遠距離、非接觸、無人化的智能外觀檢測，只是載體不同

效果：缺陷（裂縫、蜂窩、麻面、滲漏水）識別、三維場景重構、智能評估

基于機器視覺的外觀檢測技術：裂縫識別（傳統圖像處理方法）

獲取原始圖像---預處理---生成圖像---小波分解與重構---形態學操作---裂縫圖像抽取

基于機器視覺的外觀檢測技術: 裂縫抽取（傳統方法）

裂縫識別：小波降噪、形態學操作

優點：識別出裂縫形態，便于后續裂縫寬度、裂縫長度的處理

缺點：人工介入

基于機器視覺的外觀檢測技術：裂縫識別之深度學習架構

基于機器視覺的外觀檢測技術：裂縫識別之深度學習深度學習模仿人類大腦的這個特點，構造多層的神經網絡，較低層的識別初級的圖像特征，若干底層特征組成更一層特征，最終通過多個層級的組合，最終在頂層做出分類。

基于機器視覺的外觀檢測技術：深度學習技術

實例分割Mask R-CNN框架完成了三件事情：

目標檢測。直接在結果圖上繪制了目標框(bounding box)。

目標分類。對于每一個目標，找到對應的類別(class)，區分到底是人，是車，還是其他類別。

像素級目標分割。在每個目標中，需要在像素層面區分，什么是前景，什么是背景。

土木工程應用思考

利用基于深度學習的目標檢測算法實現混凝土結構裂縫、蜂窩麻面、水漬、修補等表觀缺陷和預埋件的自動快速識別、定位應該是很有希望的。

Mask-RCNN 算法可實現各種表觀缺陷的分類。

基于機器視覺的外觀檢測技術：病害識別之深度學習

我們的方法：

Faster R-CNN：找到裂縫區域（工業界：YOLO3，實時處理）CNN：滑動窗口找到裂縫粗骨架形態學：降噪、長度、寬度Faster R-CNN 輸出圖

目標檢測開源平臺：

Facebook：Detectron 1/2

Google：TensorFlow

百度：EasyDL

華為：ModelArts （開發平臺）

騰訊：NCNN

商湯科技/港中大：mmdetection

曠視科技： Face++ （開發平臺）

基于機器視覺的外觀檢測技術：病害識別結果

目前的識別效果：

1. 目前學習樣本僅包括裂縫、混凝土剝落、鋼筋銹蝕、蜂窩麻面、水漬/碳酸鈣析出等五種病害圖片；除裂縫外樣本較少。

2. 裂縫識別精度較好；

3. 其它幾類依賴于樣本的質量、數量，目前不太理想。

基于機器視覺的外觀檢測技術：道路病害誤識別結果

1. 目前學習樣本僅包括橫向裂縫、豎向裂縫、路面修補、龜裂等四種病害圖片，病害樣本各為1000張圖片；

2. 病害識別效果較好，一般不會漏檢，有過識別現象，設置閾值消除。

基于機器視覺的外觀檢測技術：鋼結構銹蝕檢測

4、基于機器視覺的視頻測試技術：

應用范圍：采用非接觸式的測量方式，動態實時測量二維或者三維空間參數：位移，振動，變形，旋轉角度，空間三維坐標，泊松比等等。

精度：位移：0.01~0.02像素；應變：50~100με （依賴于相機參數、距離、環境、算法）

應用限制：沒有規程、影響因素多、標定？

前景：有算法，可以低成本構建一套系統， 3D測試

基于機器視覺的視頻測試技術：有目標跟蹤

基于機器視覺的視頻測試技術：無靶標跟蹤 DIC技術

基于機器視覺的視頻測試技術：DIC計算流程

基于機器視覺的視頻測試技術：DIC算法及GPU加速

基于機器視覺的視頻測試技術：DIC技術應用

基于機器視覺的視頻測試技術：非接觸無靶標跟蹤

基于機器視覺的視頻測試技術：DIC應用之應變場測試

計算應變的方法有很多，應用北航潘兵教授于2009年提出的pointwise leastsquares（PLS）算法，PLS算法屬于一種擬合算法，其運用ROI中成百上千個精確的亞像素位移結果去擬合三個分量，通過解圖中的方程，擬合得出x、y方向的應變結果，該方法的最明顯的好處在于能得到視覺效果較好的應變場。

基于機器視覺的視頻測試技術：UHPC梁濕接縫驗證性模型試驗

基于機器視覺的視頻測試技術：模型加載試驗

基于機器視覺的視頻測試技術：DIC應用之荷載試驗

基于機器視覺的視頻測試技術：視頻放大技術

基于視頻圖像處理的視頻放大技術：MIT的創新；

斜置拉索的微小振動，肉眼不可見，DIC技術難以探測形變

運動放大效果：直接得到每一階振型，肉眼可見

應用場景？？？

1. 風工程試驗？斜拉索、節段試驗模型

2. 輸電塔模態響應、輸電線全局響應

3. 橋梁動態稱重（位移測試比應變測試靠譜）

4. 大跨橋梁索塔、主梁全局變形

5. 加載試驗：裂縫開展過程放大模擬

6. 結構損傷識別、健康監測

5、未來之路：機器視覺技術的應用前景與困惑未來

人才：懂機器視覺不懂土木工程，懂土木不懂機器視覺？

持續努力：多點投入與耐心，尊重“碼農”,用好開源平臺

小眾市場：贏者通吃的行當，算法的世界，只有高端才有大機會

看懂市場：5G、機器視覺、人工智能對傳統檢測行業的顛覆、重構；機遇

系統集成、大數據、云平臺：監測、管養、服務外包的趨勢

52監測網專家報告分享-第71期

《橋梁測試與評估中的機器視覺技術》

主講人：晏班夫   湖南大學

專家報告下載（點擊此處即可免費下載）

此資料由52監測網整理，僅用于免費分享學習，侵刪