一种基于深度学习的桥梁缺陷检测系统和方法技术方案

本发明专利技术公开一种基于深度学习的桥梁缺陷检测系统和方法，包括检测分机、监测主机、主服务器和管理分机，在桥梁各个位置分别布设有独立的检测分机，每个桥上设置有独自的监测主机，所述检测分机均与监测主机通信连接，每个监测主机通过网络与主服务器连接，所述主服务器与管理分机通信连接。本发明专利技术能够有效提高管理效率，提高信息传递的时效性，实现主服务器和下级管理分机的实时监控能力；能够实时向管理者反应检测和预测结果，使得维护人员能够根据情况危急等级进行逐一维护处理，在保证桥梁安全性的同时，大大的降低了人力物力，增强了桥梁损伤预警的可靠性和及时性。

A Bridge Defect Detection System Based on Deep Learning

【技术实现步骤摘要】
一种基于深度学习的桥梁缺陷检测系统和方法
本专利技术属于桥梁检测
，特别是涉及一种基于深度学习的桥梁缺陷检测系统和方法。
技术介绍
近年来，桥梁倒塌事故频发，造成严重的经济损失和社会不良影响，桥梁结构的安全问题受到广泛关注。大跨桥梁设计寿命长达几十年、上百年，长期的环境腐蚀、材料老化和荷载的长期效应、疲劳与突变效应等不利因素的耦合作用将不可避免地导致结构的损伤累积和抗力衰减，从而使其抵抗自然灾害、甚至正常荷载的能力下降，极端情况下引发灾难性的突发事件。对桥梁运行状况进行实时监测，可以有效预防突发性灾难、及时控制缺陷的发展、减少损失、避免人员伤亡，确保结构与使用者的安全。目前对于桥梁检测多采用人工观测法和激光扫描法；人工探测法需要工作人员定时进行巡查，这种方法效率极低，还无法全面且及时的检测出桥梁损伤；激光扫描法，通过激光扫描装置检测桥梁表面，但是这种方法无法系统整体构造复杂，无法全面且及时的检测出桥梁损伤，并且无法进行桥梁预测和预警，检测过程繁琐、检测效果差且无法及时全面的反应检测结果。
技术实现思路
为了解决上述问题，本专利技术提出了一种基于深度学习的桥梁缺陷检测系统和方法，能够有效提高管理效率，提高信息传递的时效性，实现主服务器和下级管理分机的实时监控能力；能够实时向管理者反应检测和预测结果，使得维护人员能够根据情况危急等级进行逐一维护处理，在保证桥梁安全性的同时，大大的降低了人力物力，增强了桥梁损伤预警的可靠性和及时性。为达到上述目的，本专利技术采用的技术方案是：一种基于深度学习的桥梁缺陷检测系统，包括检测分机、监测主机、主服务器和管理分机，在桥梁各个位置分别布设有独立的检测分机，每个桥上设置有独自的监测主机，所述检测分机均与监测主机通信连接，每个监测主机通过网络与主服务器连接，所述主服务器与管理分机通信连接；所述检测分机以时间点为单位采集桥梁表面数据并打上位置标签，并按时间段将数据打包形成采集数据集；所述监测主机收集各个采集数据集并缓存，将各个检测分机上传的数据时间段相同的采集数据集进行数据整合，获取桥梁检测数据集；所述主服务器接收管理范围内各个桥的监测主机上传的桥梁检测数据集，进行统一分析和管理；通过深度学习神经网络，训练桥梁检测数据集和历史桥梁损伤数据集，建立桥梁缺陷网络模型；并通过桥梁缺陷网络模型，检测和预测桥梁出现的损伤缺陷，并通过位置标签明确损伤缺陷位置；所述管理分机从主服务器中调取或接收检测和预测结果数据，并进行损伤程度判断，将损伤结果进行等级划分，形成预警。进一步的是，所述检测分机包括探测采集器、分机控制器、数据输出接口和电源设备，所述探测采集器连接至分机控制器，所述分机控制器通过数据输出接口与监测主机通信，所述电源设备为检测分机中各个组件提供电能。所述探测采集器可采用红外探头、震动传感器和影像探头等，实现桥梁表面状态的实时检测，通过分布式的配置，提高了管理效率，较强的检测效果和预警及时性。进一步的是，所述电源设备采用光伏发电装置，包括光伏发电板、蓄电池和电源控制器，所述光伏发电板和蓄电池均连接至电源控制器，所述电源控制器上设置有电能输出端口为检测分机中各个组件提供电能。能够进行自发供电，无需外接电源，能够安装与现有的桥梁上，有效减少对桥梁本体影响，节能环保，安装便捷。进一步的是，所述监测主机包括数据接收接口、主机控制器、网络通信电路和数据缓存器，所述数据接收接口接收检测分机传递的数据给主机控制器，所述主机控制器通过网络通信电路与主服务器相互通讯，所述数据缓存器连接至主机控制器提供数据计算支撑。通过监测主机统一管理桥梁上分布各处的检测分机，并传递至主服务器，能够有效提高管理效率，提高信息传递的时效性，实现主服务器和下级管理分机的实时监控能力，增强了桥梁损伤预警的可靠性和及时性。进一步的是，所述主服务器为云端服务器。加强数据调取效率，减少设备成本投入。进一步的是，所述管理分机为PC机。提高通用性。另一方面，本专利技术还提供了一种基于深度学习的桥梁缺陷检测方法，基于上述深度学习的桥梁缺陷检测系统，在监测管理范围内的每个桥上设置有一个监测主机，在该桥桥梁的各处布设有检测分机，所述检测分机将信息传递给监测主机，主服务器汇总和处理管理范围内的监测数据；包括步骤：S100，所述检测分机以时间点为单位采集桥梁表面数据并打上位置标签，并按时间段将数据打包形成采集数据集；S200，所述监测主机收集各个采集数据集并缓存，将各个检测分机上传的数据时间段相同的采集数据集进行数据整合，获取桥梁检测数据集；S300，所述主服务器接收管理范围内各个桥的监测主机上传的桥梁检测数据集，进行统一分析和管理，通过建立桥梁缺陷网络模型，获取桥梁损伤数据检测和预测结果数据；S400，所述管理分机从主服务器中调取或接收检测和预测结果数据，并进行损伤程度判断，将损伤结果进行等级划分，形成预警。进一步的是，在所述步骤S300中，所述桥梁损伤数据的检测和预测过程包括步骤：S301，通过深度学习神经网络，训练桥梁检测数据集和历史桥梁损伤数据集，建立桥梁缺陷网络模型；S302，通过桥梁缺陷网络模型，检测和预测桥梁出现的损伤缺陷，并通过位置标签明确损伤缺陷位置，获取到桥梁损伤检测和预测结果数据；S303，将桥梁损伤检测和预测结果数据循环反馈给桥梁缺陷网络模型，对桥梁损伤检测和预测结果数据进行优化训练。进一步的是，在所述步骤S400中损伤等级划分包括步骤：S401，根据桥梁损伤标准建立桥梁损伤程度等级；S402，根据桥梁损伤程度等级获取各个等级下损伤数据的判断阈值范围；S403，根据所述阈值范围判断桥梁损伤检测和预测结果数据，划分维护优先级；若超出最大等级的阈值范围则发出警示信号，提醒管理人员进行紧急维护。采用本技术方案的有益效果：本专利技术通过分布式的系统构建，逐级进行数据的传递和统一管理分析，能够有效提高管理效率，提高信息传递的时效性，实现主服务器和下级管理分机的实时监控能力；同时，本专利技术结合桥梁缺陷网络模型，对检测数据进行分析和预测，能够实时向管理者反应检测和预测结果，并通过对获得结果的逐级划分，为管理者提供了维护优先级，使得维护人员能够根据情况危急等级进行逐一维护处理，在保证桥梁安全性的同时，大大的降低了人力物力，增强了桥梁损伤预警的可靠性和及时性。附图说明图1为本专利技术的基于深度学习的桥梁缺陷检测系统的结构示意图；图2为本专利技术的基于深度学习的桥梁缺陷检测方法的流程示意图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图对本专利技术作进一步阐述。在本实施例中，参见图1所示，本专利技术提出了一种基于深度学习的桥梁缺陷检测系统，包括检测分机、监测主机、主服务器和管理分机，在桥梁各个位置分别布设有独立的检测分机，每个桥上设置有独自的监测主机，检测分机均与监测主机通信连接，每个监测主机通过网络与主服务器连接，主服务器与管理分机通信连接；检测分机以时间点为单位采集桥梁表面数据并打上位置标签，并按时间段将数据打包形成采集数据集；监测主机收集各个采集数据集并缓存，将各个检测分机上传的数据时间段相同的采集数据集进行数据整合，获取桥梁检测数据集；主服务器接收管理范围内各个桥的监测主机上传的桥梁检测数据集，进行统一分析和管理；通过深度学习神经本文档来自技高网...

【技术保护点】
1.一种基于深度学习的桥梁缺陷检测系统，其特征在于，包括检测分机、监测主机、主服务器和管理分机，在桥梁各个位置分别布设有独立的检测分机，每个桥梁上设置有独自的监测主机，所述检测分机均与监测主机通信连接，每个监测主机通过网络与主服务器连接，所述主服务器与管理分机通信连接；所述检测分机以时间点为单位采集桥梁表面数据并打上位置标签，并按时间段将数据打包形成采集数据集；所述监测主机收集各个采集数据集并缓存，将各个检测分机上传的数据时间段相同的采集数据集进行数据整合，获取桥梁检测数据集；所述主服务器接收管理范围内各个桥的监测主机上传的桥梁检测数据集，进行统一分析和管理；通过深度学习神经网络，训练桥梁检测数据集和历史桥梁损伤数据集，建立桥梁缺陷网络模型；并通过桥梁缺陷网络模型，检测和预测桥梁出现的损伤缺陷获得检测和预测结果数据，并通过位置标签明确损伤缺陷位置；所述管理分机从主服务器中调取或接收检测和预测结果数据，并进行损伤程度判断，将损伤结果进行等级划分，形成预警。

【技术特征摘要】
1.一种基于深度学习的桥梁缺陷检测系统，其特征在于，包括检测分机、监测主机、主服务器和管理分机，在桥梁各个位置分别布设有独立的检测分机，每个桥梁上设置有独自的监测主机，所述检测分机均与监测主机通信连接，每个监测主机通过网络与主服务器连接，所述主服务器与管理分机通信连接；所述检测分机以时间点为单位采集桥梁表面数据并打上位置标签，并按时间段将数据打包形成采集数据集；所述监测主机收集各个采集数据集并缓存，将各个检测分机上传的数据时间段相同的采集数据集进行数据整合，获取桥梁检测数据集；所述主服务器接收管理范围内各个桥的监测主机上传的桥梁检测数据集，进行统一分析和管理；通过深度学习神经网络，训练桥梁检测数据集和历史桥梁损伤数据集，建立桥梁缺陷网络模型；并通过桥梁缺陷网络模型，检测和预测桥梁出现的损伤缺陷获得检测和预测结果数据，并通过位置标签明确损伤缺陷位置；所述管理分机从主服务器中调取或接收检测和预测结果数据，并进行损伤程度判断，将损伤结果进行等级划分，形成预警。2.根据权利要求1所述的一种基于深度学习的桥梁缺陷检测系统，其特征在于，所述检测分机包括探测采集器、分机控制器、数据输出接口和电源设备，所述探测采集器连接至分机控制器，所述分机控制器通过数据输出接口与监测主机通信，所述电源设备为检测分机中各个组件提供电能。3.根据权利要求2所述的一种基于深度学习的桥梁缺陷检测系统，其特征在于，所述电源设备采用光伏发电装置，包括光伏发电板、蓄电池和电源控制器，所述光伏发电板和蓄电池均连接至电源控制器，所述电源控制器上设置有电能输出端口并为检测分机中各个组件提供电能。4.根据权利要求1所述的一种基于深度学习的桥梁缺陷检测系统，其特征在于，所述监测主机包括数据接收接口、主机控制器、网络通信电路和数据缓存器，所述数据接收接口接收检测分机传递的数据给主机控制器，所述主机控制器通过网络通信电路与主服务器相互通讯，所述数据缓存器连接至主机控制器提供数据计算支撑。5.根据权利要求1所述的一种基于深度学习的桥梁缺陷检测系统，其特征在于，所述主...

【专利技术属性】
技术研发人员：朱劲松，宋金博，孙雅丹，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12