基于计算机视觉的钢桥面板裂纹识别方法

来源：中国血液净化杂志2023年第3期北京时间：

作者：劳武略, 崔闯, 张登科, 罗纯坤, 张清华, 宋松科

单位：1. 西南交通大学 桥梁工程系, 四川 成都 610031;2. 四川省交通勘察设计研究院有限公司, 四川 成都 610017"],"fundList_en":["National Natural Science Foundation of China (51978579, 52108176, 52278318); The Transportation Science and Technology Project of Sichuan Province (2020-B-02); The Science and Technology Department Project of Sichuan Province (2021YJ0037)

摘要：钢桥面板疲劳开裂为常见的钢桥病害，准确快速地发现并确定钢桥面板裂纹几何特征对降低运维成本、制定运维策略具有重要意义。针对传统人工巡检效率低、检测环境恶劣等问题，提出了基于计算机视觉的钢桥面板裂纹及其特征识别方法。采用目标检测网络YoloV5和图像语义分割网络U-Net++相结合的方法识别裂纹。根据2个网络的结构特性标注图像中的目标后生成数据集，并分别对网络中的参数进行训练。利用训练后的YoloV5与U-Net++分阶段对待测裂纹图像进行检测与分割，并通过阈值分割优化U-Net++分割结果，再通过骨架化后得到裂纹骨架线；在确定裂纹形貌后，采用YoloV5识别出的标定块求解透视变换矩阵与像素尺度系数，然后对裂纹骨架线进行图像矫正并确定裂纹几何特征。研究结果表明：YoloV5可准确检测出裂纹与标定块，且检测稳定性好；通过优化U-Net++训练时输入的像素尺寸，提高了U-Net++训练的收敛速度，网络损失由0.121降至0.096；求解透视变换矩阵时，使用所有角点坐标拟合该矩阵的最小二乘解可提高图像矫正标定的精度；当图像采集距离较远、角度较大时，角点投影误差增大，且该误差对角度更为敏感；不同图像采集距离、角度下裂纹特征计算误差最大为7.2%，表明识别精度及稳定性均较高。所提出的钢桥裂纹特征识别方法可准确计算裂纹几何特征，具有一定的实用价值。

关键词：桥梁工程,钢桥面板裂纹,特征计算,计算机视觉,目标检测,语义分割

基金资助：国家自然科学基金项目（51978579，52108176，52278318）；四川省交通运输科技项目（2020-B-02）；四川省科学技术厅项目（2021YJ0037）