基于级联宽度神经网络桥梁裂缝分类识别方法技术

本发明专利技术涉及一种基于级联宽度神经网络桥梁裂缝分类识别方法，属于桥梁检测技术领域。该方法用于混凝土表面结构裂缝损伤自动分类的广义神经网络(CBNN)体系结构，这是一种新颖的神经网络集成，具有级联结构，可以通过广泛学习系统(BLS)进行表示学习。利用级联宽度神经网络它生成了有效且高效的框架来实现桥梁裂缝位置和裂缝属性的准确识别分类，充分探索了分类器集成的多级级联的优点，在测试准确性和训练时间上都能得到了较大的提升，从而更加准确有效的解决目前裂缝检测分类识别方面的不足。

Bridge crack classification and recognition method based on cascaded width neural network

【技术实现步骤摘要】
基于级联宽度神经网络桥梁裂缝分类识别方法
本专利技术属于桥梁检测
，涉及基于级联宽度神经网络桥梁裂缝分类识别方法。
技术介绍
桥梁是交通道路系统中的关键部分，作为道路、公路、铁路等交通系统的枢纽，在交通事业中占据着非常重要的地位。我国绝大部分桥梁的建筑材料主要是钢筋混凝土，由于裂缝在混凝土桥梁病害中是破坏较为严重的、威胁也比较大的一种，桥梁表面出现裂缝不仅仅意味着桥梁内部出现了结构性的损坏，更能够有效的反映桥梁结构目前的工作状态，细小的裂缝对结构的使用无大的危害，但小的裂缝在各种荷载、温度变化等外界环境因素影响下会不断发生变化，进而会影响结构的安全，给交通带来使用隐患。因此需要定期的对其健康状况进行检测和评估，及时对桥梁表面的裂缝进行检测、捕获、识别分类，这对于预示或者及时发现工程险情和后期桥梁的修补，控制裂缝的产生、发展，并根据不同桥梁裂缝进行不同的预防和修缮，减小桥梁裂缝带来的危害，这对保证桥梁的可靠运营、减小裂缝带来的危害以及延长桥梁的使用寿命具有非常重要的意义。传统的人工识别方法对于桥梁裂缝的识别较耗时耗力，通常使用光学摄本文档来自技高网...

【技术保护点】
1.基于级联宽度神经网络桥梁裂缝分类识别方法，其特征在于：该方法包括以下步骤：/nStep1：构建桥梁裂缝仿真数据集；/nStep2：对现实生活中真实的裂缝数据集进行采集；/nStep3：构建级联宽度神经网络架构模型；/nStep4：利用Step1构建的桥梁裂缝仿真数据集对Step3所构建的级联宽度神经网络架构进行训练；/nStep5：将Step4训练所得到的裂缝参数作为级联宽度神经网络架构模型的初始化参数，利用Step2对现实生活中真实的裂缝数据集采集所构建的真实桥梁裂缝数据集对级联宽度神经网络架构进行训练；/nStep6：利用Step5训练所得到的级联宽度神经网络架构和初始化参数对采集到的...

【技术特征摘要】
1.基于级联宽度神经网络桥梁裂缝分类识别方法，其特征在于：该方法包括以下步骤：
Step1：构建桥梁裂缝仿真数据集；
Step2：对现实生活中真实的裂缝数据集进行采集；
Step3：构建级联宽度神经网络架构模型；
Step4：利用Step1构建的桥梁裂缝仿真数据集对Step3所构建的级联宽度神经网络架构进行训练；
Step5：将Step4训练所得到的裂缝参数作为级联宽度神经网络架构模型的初始化参数，利用Step2对现实生活中真实的裂缝数据集采集所构建的真实桥梁裂缝数据集对级联宽度神经网络架构进行训练；
Step6：利用Step5训练所得到的级联宽度神经网络架构和初始化参数对采集到的桥梁裂缝图像进行裂缝的检测继而对其进行裂缝的分类识别。


2.根据权利要求1所述的基于级联宽度神经网络桥梁裂缝分类识别方法，其特征在于：所述的Step1具体包括：
Step11：构建桥梁裂缝仿真桥梁裂缝数据集Dataset1，即利用计算机生成一定数量的空白图像，再利用线条绘制等算法在空白图像上模仿绘制桥梁裂缝线和噪声；
Step12：构建仿真桥梁裂缝数据集Dataset2，通过选取一定数量的路面影像，但是路面影像中要不包含裂缝，通过利用线条绘制算法在每一幅路面影像图像上模仿绘制裂缝线条。


3.根据权利要求1所述的基于级联宽度神经网络桥梁裂缝分类识别方法，其特征在于：所述的Step4具体包括：
Step41：利用Step11构建的仿真裂缝数据集Dataset1对Step3所构建的级联宽度神经网络架构模型进行训练；
Step42：把...

【专利技术属性】
技术研发人员：郭黎，卜慎慎，廖宇，姚红英，李敏，李润泽，
申请(专利权)人：湖北民族大学，
类型：发明
国别省市：湖北;42