52监测网专家报告分享-第71期《桥梁测试与评估中的机器视觉技术》主讲人:晏班夫 湖南大学
52监测网专家报告分享-第71期 《桥梁测试与评估中的机器视觉技术》 主讲人: 湖南大学 报告来源:第二届全国桥梁智能检测与安全评价技术论坛 专家介绍: 晏班夫, 工学博士,副教授 湖南大学土木工程学院硕士生导师 主要研究方向: 桥梁结构安全评估、维护与管理 桥梁管理系统(BMS)开发 土木工程中的智能分析方法 图像处理技术及无线传感网络在桥梁健康监测中的应用 报告目录 1、湖大桥梁团队介绍 2、机器视觉,定义、图像处理、人工智能 3、外观评估技术,深度学习、智能识别分类 4、视频测试技术,DIC、运动放大 5、未来之路,应用困惑、个人思考 报告简介 1、研究概况: 2010年湖南大学邵旭东教授创新性地将超韧性UHPC材料STC应用于肇庆马房桥钢桥面铺装,全面解决了钢桥面铺装易损坏、钢板易疲劳开裂的大问题。 湖南大学桥梁工程研究所成员研究方向全面转向UHPC桥梁新结构。 2、主要研究 (1)超高性能混凝土结构设计理论与工程实践,湖大桥梁研究特色 (2)桥梁智能检测(机器视觉、人工智能)研究兴趣,培养有此爱好的学生,与企业合作 2.1 机器视觉概况 功能:实现快速化、远距离、非接触、无人化的智能外观检测,只是载体不同 效果:缺陷(裂缝、蜂窝、麻面、渗漏水)识别、三维场景重构、智能评估 基于机器视觉的外观检测技术:裂缝识别(传统图像处理方法) 获取原始图像---预处理---生成图像---小波分解与重构---形态学操作---裂缝图像抽取 基于机器视觉的外观检测技术: 裂缝抽取(传统方法) 裂缝识别:小波降噪、形态学操作 优点:识别出裂缝形态,便于后续裂缝宽度、裂缝长度的处理 缺点:人工介入 基于机器视觉的外观检测技术:裂缝识别之深度学习架构 基于机器视觉的外观检测技术:裂缝识别之深度学习深度学习模仿人类大脑的这个特点,构造多层的神经网络,较低层的识别初级的图像特征,若干底层特征组成更一层特征,最终通过多个层级的组合,最终在顶层做出分类。 基于机器视觉的外观检测技术:深度学习技术 实例分割Mask R-CNN框架完成了三件事情: 目标检测。直接在结果图上绘制了目标框(bounding box)。 目标分类。对于每一个目标,找到对应的类别(class),区分到底是人,是车,还是其他类别。 像素级目标分割。在每个目标中,需要在像素层面区分,什么是前景,什么是背景。 土木工程应用思考 利用基于深度学习的目标检测算法实现混凝土结构裂缝、蜂窝麻面、水渍、修补等表观缺陷和预埋件的自动快速识别、定位应该是很有希望的。 Mask-RCNN 算法可实现各种表观缺陷的分类。 基于机器视觉的外观检测技术:病害识别之深度学习 我们的方法: Faster R-CNN:找到裂缝区域(工业界:YOLO3,实时处理)CNN:滑动窗口找到裂缝粗骨架形态学:降噪、长度、宽度Faster R-CNN 输出图 目标检测开源平台: Facebook:Detectron 1/2 Google:TensorFlow 百度:EasyDL 华为:ModelArts (开发平台) 腾讯:NCNN 商汤科技/港中大:mmdetection 旷视科技: Face++ (开发平台) 基于机器视觉的外观检测技术:病害识别结果 目前的识别效果: 1. 目前学习样本仅包括裂缝、混凝土剥落、钢筋锈蚀、蜂窝麻面、水渍/碳酸钙析出等五种病害图片;除裂缝外样本较少。 2. 裂缝识别精度较好; 3. 其它几类依赖于样本的质量、数量,目前不太理想。 基于机器视觉的外观检测技术:道路病害误识别结果 1. 目前学习样本仅包括横向裂缝、竖向裂缝、路面修补、龟裂等四种病害图片,病害样本各为1000张图片; 2. 病害识别效果较好,一般不会漏检,有过识别现象,设置阈值消除。 基于机器视觉的外观检测技术:钢结构锈蚀检测 4、基于机器视觉的视频测试技术: 应用范围:采用非接触式的测量方式,动态实时测量二维或者三维空间参数:位移,振动,变形,旋转角度,空间三维坐标,泊松比等等。 精度:位移:0.01~0.02像素;应变:50~100με (依赖于相机参数、距离、环境、算法) 应用限制:没有规程、影响因素多、标定? 前景:有算法,可以低成本构建一套系统, 3D测试 基于机器视觉的视频测试技术:有目标跟踪 基于机器视觉的视频测试技术:无靶标跟踪 DIC技术 基于机器视觉的视频测试技术:DIC计算流程 基于机器视觉的视频测试技术:DIC算法及GPU加速 基于机器视觉的视频测试技术:DIC技术应用 基于机器视觉的视频测试技术:非接触无靶标跟踪 基于机器视觉的视频测试技术:DIC应用之应变场测试 计算应变的方法有很多,应用北航潘兵教授于2009年提出的pointwise leastsquares(PLS)算法,PLS算法属于一种拟合算法,其运用ROI中成百上千个精确的亚像素位移结果去拟合三个分量,通过解图中的方程,拟合得出x、y方向的应变结果,该方法的最明显的好处在于能得到视觉效果较好的应变场。 基于机器视觉的视频测试技术:UHPC梁湿接缝验证性模型试验 基于机器视觉的视频测试技术:模型加载试验 基于机器视觉的视频测试技术:DIC应用之荷载试验 基于机器视觉的视频测试技术:视频放大技术 基于视频图像处理的视频放大技术:MIT的创新; 斜置拉索的微小振动,肉眼不可见,DIC技术难以探测形变 运动放大效果:直接得到每一阶振型,肉眼可见 应用场景??? 1. 风工程试验?斜拉索、节段试验模型 2. 输电塔模态响应、输电线全局响应 3. 桥梁动态称重(位移测试比应变测试靠谱) 4. 大跨桥梁索塔、主梁全局变形 5. 加载试验:裂缝开展过程放大模拟 6. 结构损伤识别、健康监测 5、未来之路:机器视觉技术的应用前景与困惑未来 人才:懂机器视觉不懂土木工程,懂土木不懂机器视觉? 持续努力:多点投入与耐心,尊重“码农”,用好开源平台 小众市场:赢者通吃的行当,算法的世界,只有高端才有大机会 看懂市场:5G、机器视觉、人工智能对传统检测行业的颠覆、重构;机遇 系统集成、大数据、云平台:监测、管养、服务外包的趋势 52监测网专家报告分享-第71期 《桥梁测试与评估中的机器视觉技术》 主讲人: 此资料由52监测网整理,仅用于免费分享学习,侵删 |
2019-12-05
2021-07-07
2021-06-29
2021-09-06
2021-09-07
请发表评论