基于无人机及Mask R-CNN的桥梁结构裂缝智能识别

来源：中国血液净化杂志2021年第12期北京时间：

作者：余加勇, 李锋, 薛现凯, 朱平, 吴鑫赟, 卢培升

单位：1. 湖南大学 风工程与桥梁工程湖南省重点实验室, 湖南 长沙 410082;2. 湖南大学 土木工程学院, 湖南 长沙 410082"],"fundList_en":["National Key Research and Development Program of China (2016YFC0800207); Changsha Science and Technology Plan Project (kq1907110)

摘要：桥梁结构表面裂缝检测为桥梁状态识别、病害治理、安全评估提供了重要状态信息和决策依据。为解决传统人工检测方法存在的危险性高、影响交通、费用昂贵等问题，提出基于无人机（Unmanned Aerial Vehicle，UAV）及深度学习的桥梁结构裂缝智能识别方法。采用大疆M210-RTK多旋翼无人机进行贴近航摄，获取桥梁结构混凝土表面高清图像；利用SDNET裂缝数据集等图像资源，制作1 133张标记裂缝精确区域的深度学习训练样本图像库；引入掩膜区域卷积神经网络（Mask R-CNN）深度学习算法，训练和建立Mask R-CNN裂缝识别模型；基于Mask R-CNN裂缝识别模型，采用矩形滑动窗口模式扫描混凝土表面高清图像，实现裂缝自动识别和定位。构建包含图像二值化、连通域去噪、边缘检测、裂缝骨架化、裂缝宽度计算等流程的图像后处理方法，实现裂缝形态及宽度信息自动获取。通过精度验证试验，证实采用M210-RTK无人机+ZENMUSE X5S相机+45 mm奥林巴斯镜头的组合装备，当无人机至桥梁结构表面垂直距离为10.0 m时，无人机方法识别的裂缝宽度与裂缝测量仪结果吻合，其绝对误差小于0.097 mm，相对误差小于9.8%。将该无人机裂缝检测方法应用于高136.8 m长沙市洪山大桥桥塔表面裂缝检测，采用深度学习Mask R-CNN算法进行裂缝智能识别，其裂缝识别准确率和召回率分别达到92.5%和92.5%。研究结果表明：无人机桥梁裂缝检测方法可实现高耸桥梁结构表面裂缝的远程、非接触、自动化检测，具有重要的科学研究和工程应用价值。

关键词：桥梁工程,裂缝检测,无人机,深度学习,掩膜区域卷积神经网络

基金资助：国家重点研发计划项目（2016YFC0800207）；长沙市科技计划项目（kq1907110）