请选择 进入手机版 | 继续访问电脑版
我的账户
52监测网

安全监测行业网站

亲爱的游客,欢迎!

已有账号,请

如尚未注册?

52监测网 首页 行业资讯 专家报告

第71期 桥梁测试与评估中的机器视觉技术

2020-1-15 15:52
来自: 52监测网 收藏 分享 邀请

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

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

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

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

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

专家报告下载(点击此处即可免费下载)

此资料由52监测网整理,仅用于免费分享学习,侵删


鲜花

握手

雷人

路过

鸡蛋
该文章已有1人参与评论

请发表评论

全部评论

  • 幺不语 2020-8-19 16:48
    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 ...

查看全部评论>>

相关阅读

这个人很懒,什么也没留下...
粉丝8 阅读1013 回复1
关注我们
自动化监测技术交流

客服电话:010-62978778

客服邮箱:support@anxinjoy.com

周一至周五 8:30-17:30

地址:北京海淀区金隅嘉华大厦c座1005

Powered by Discuz! X3.2@ 2001-2013 Comsenz Inc. 京ICP备16000992号-2 京公网安备 11010802022300号