基于人工智能的桥梁安全检测方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于人工智能的桥梁安全检测方法及系统，包括：获取待检测桥梁的试验静态荷载时每一跨的侧面图像、无载荷时每一跨的侧面图像以及主梁上部结构的表面深度图像，进而得到待检测桥梁的最大挠度限值和各个潜在损伤区域的置信度指标，获取各个潜在损伤区域的超声波检测信号，得到各个潜在损伤区域的潜在损伤程度，根据待检测桥梁的最大挠度限值、各个潜在损伤区域的置信度指标和潜在损伤程度，得到待检测桥梁的安全性指标。本发明专利技术通过获取待检测桥梁的安全性指标，可以得到当前桥梁的状态，提高了对桥梁安全检测的效率。对桥梁安全检测的效率。对桥梁安全检测的效率。

【技术实现步骤摘要】
基于人工智能的桥梁安全检测方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的桥梁安全检测方法及系统。

技术介绍

[0002]桥梁作为公路咽喉，是保证公路畅通运行的重要环节。随着交通基础建设的不断发展，桥梁建设也在不断地提升与进步。
[0003]桥梁在长期的使用过程中难免会发生各种结构损伤，损伤的原因可能是使用维护不当、车祸事故等人为因素，也可能是地震、台风和环境侵蚀等自然因素。随着桥梁使用时间的增长、环境等自然因素的长期作用和交通量及重车数量的不断增加，桥梁结构安全性和使用功能也必然发生退化。对桥梁的安全检测现有主流技术是依靠有限元分析，对桥梁进行建模，并优化有限元模型的参数，计算量庞大，且时间复杂度高，对桥梁安全检测的效率较低。

技术实现思路

[0004]本专利技术的目的在于提供一种基于人工智能的桥梁安全检测方法及系统，用于解决现有技术对桥梁安全检测的效率较低的问题。
[0005]为了解决上述技术问题，本专利技术所采用的技术方案具体如下：
[0006]本专利技术提供了一种基于人工智能的桥梁安全检测方法，该方法包括以下步骤：
[0007]获取待检测桥梁的试验静态荷载时每一跨的侧面图像、无载荷时每一跨的侧面图像以及主梁上部结构的表面深度图像；
[0008]根据待检测桥梁的试验静态荷载时每一跨的侧面图像和无载荷时每一跨的侧面图像中的像素值，得到待检测桥梁的最大挠度限值；
[0009]根据待检测桥梁的主梁上部结构的表面深度图像，确定待检测桥梁的各个潜在损伤区域以及各个潜在损伤区域的面积和噪声值以及各个像素点的灰度值、RGB值和梯度值；
[0010]根据各个潜在损伤区域的噪声值和各个像素点的灰度值、RGB值、梯度值，进而得到各个潜在损伤区域的纹理复杂度、颜色复杂度和平滑度指标；
[0011]根据待检测桥梁的各个潜在损伤区域的面积、纹理复杂度、颜色复杂度和平滑度指标，得到待检测桥梁的各个潜在损伤区域的置信度指标；
[0012]获取各个潜在损伤区域的超声波检测信号，进而获取各个潜在损伤区域的质心曲线，并根据各个潜在损伤区域的质心曲线，得到各个潜在损伤区域的潜在损伤程度；
[0013]根据待检测桥梁的最大挠度限值、各个潜在损伤区域的置信度指标和潜在损伤程度，得到待检测桥梁的安全性指标。
[0014]进一步地，得到各个潜在损伤区域的纹理复杂度、颜色复杂度和的平滑度指标的步骤包括：
[0015]根据各个潜在损伤区域的噪声值和各个像素点的灰度值，计算各个像素点的局部
三值模式值，得到各个潜在损伤区域的纹理复杂度；
[0016]根据各个潜在损伤区域的各个像素点的RGB值以及各个像素点的八邻域像素点的RGB值，计算各个像素点的颜色复杂度，进而得到各个潜在损伤区域的颜色复杂度；
[0017]根据各个潜在损伤区域的各个像素点的梯度值，确定各个潜在区域的各个波峰像素点和波谷像素点，计算潜在损伤区域的各个波谷与其相邻波峰之间的梯度均值，得到各个潜在损伤区域的平滑度指标。
[0018]进一步地，待检测桥梁的最大挠度限值的计算公式为：
[0019][0020]其中，MD为待检测桥梁的最大挠度限值，i为待检测桥梁的总跨数，Downj为待检测桥梁的第j跨的试验静态荷载与无载荷相比下沉的像素的行数，Height为待检测桥梁的无载荷的像素的行数。
[0021]进一步地，各个潜在损伤区域的纹理复杂度的计算公式为：
[0022][0023]其中，T
i
为第i个潜在损伤区域的纹理复杂度，N为第i个潜在损伤区域的像素点个数，LTP
j
为第i个潜在损伤区域的第j个像素点的局部三值模式值。
[0024]进一步地，各个潜在损伤区域的颜色复杂度的计算公式为：
[0025][0026][0027]其中，CF
j
为第i个潜在损伤区域的第j个像素点的颜色复杂度，DSin
j
为第i个潜在损伤区域的第j个邻域像素点的颜色复杂度，C
i
为第i个潜在损伤区域的颜色复杂度，N为第i个潜在损伤区域的像素点个数。
[0028]进一步地，各个潜在损伤区域的平滑度指标的计算公式为：
[0029][0030][0031]其中，为第i个潜在损伤区域的波谷到其相邻各个波峰之间的梯度均值，n为第i个潜在损伤区域中波谷的个数，为第i个潜在损伤区域的第j个波谷到其相邻各个波峰之间的梯度值，S
i
为第i个潜在损伤区域的平滑度指标，O
i
为第i个潜在损伤区域的波谷和波峰的个数。
[0032]进一步地，各个潜在损伤区域的置信度指标的计算公式为：
[0033][0034]其中，F
i
为待检测桥梁的第i个潜在损伤区域的置信度指标，T
i
为第i个潜在损伤区域的纹理复杂度，C
i
为第i个潜在损伤区域的颜色复杂度，N
i
为第i个潜在损伤区域的面积，S
i
为第i个潜在损伤区域的平滑度指标。
[0035]进一步地，各个潜在损伤区域的潜在损伤程度的计算公式为：
[0036]Fault
i
＝DTW(Curve
i
，0)
[0037]其中，Fault
i
为第i个潜在损伤区域的潜在损伤程度，DTW(Curve
i
，0)为第i个潜在损伤区域的质心曲线Curve
i
和幅值为0的标准曲线之间的相似度。
[0038]进一步地，待检测桥梁的安全性指标的计算公式为：
[0039][0040]其中，Safe为待检测桥梁的安全性指标，MD为待检测桥梁的最大挠度限值，n为待检测桥梁的潜在损伤区域的个数，F
i
为第i个潜在损伤区域的置信度指标，Fault
i
为第i个潜在损伤区域的潜在损伤程度。
[0041]本专利技术还提供了一种基于人工智能的桥梁安全检测系统，包括处理器和存储器，处理器用于处理存储在存储器中的指令以实现上述的基于人工智能的桥梁安全检测方法。
[0042]本专利技术具有如下有益效果：
[0043]本专利技术通过获取待检测桥梁的试验静态荷载时每一跨的侧面图像、无载荷时每一跨的侧面图像以及主梁上部结构的表面深度图像，进而得到待检测桥梁的最大挠度限值，为后续可能存在的桥梁关键部位损伤点的定位提供数据支持，根据待检测桥梁的主梁上部结构的表面深度图像，得到各个潜在损伤区域的纹理复杂度、颜色复杂度和平滑度指标，根据待检测桥梁的各个潜在损伤区域的面积、纹理复杂度、颜色复杂度和平滑度指标，对桥梁表面的潜在损伤区域通过三种指标进行综合评估，得到待检测桥梁的各个潜在损伤区域的置信度指标，获取各个潜在损伤区域的超声波检测信号，得到各个潜在损伤区域的潜在损伤程度，获取各个潜在损伤区域内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的桥梁安全检测方法，其特征在于，包括以下步骤：获取待检测桥梁的试验静态荷载时每一跨的侧面图像、无载荷时每一跨的侧面图像以及主梁上部结构的表面深度图像；根据待检测桥梁的试验静态荷载时每一跨的侧面图像和无载荷时每一跨的侧面图像中的像素值，得到待检测桥梁的最大挠度限值；根据待检测桥梁的主梁上部结构的表面深度图像，确定待检测桥梁的各个潜在损伤区域以及各个潜在损伤区域的面积和噪声值以及各个像素点的灰度值、RGB值和梯度值；根据各个潜在损伤区域的噪声值和各个像素点的灰度值、RGB值、梯度值，进而得到各个潜在损伤区域的纹理复杂度、颜色复杂度和平滑度指标；根据待检测桥梁的各个潜在损伤区域的面积、纹理复杂度、颜色复杂度和平滑度指标，得到待检测桥梁的各个潜在损伤区域的置信度指标；获取各个潜在损伤区域的超声波检测信号，进而获取各个潜在损伤区域的质心曲线，并根据各个潜在损伤区域的质心曲线，得到各个潜在损伤区域的潜在损伤程度；根据待检测桥梁的最大挠度限值、各个潜在损伤区域的置信度指标和潜在损伤程度，得到待检测桥梁的安全性指标。2.根据权利要求1所述的基于人工智能的桥梁安全检测方法，其特征在于，得到各个潜在损伤区域的纹理复杂度、颜色复杂度和的平滑度指标的步骤包括：根据各个潜在损伤区域的噪声值和各个像素点的灰度值，计算各个像素点的局部三值模式值，得到各个潜在损伤区域的纹理复杂度；根据各个潜在损伤区域的各个像素点的RGB值以及各个像素点的八邻域像素点的RGB值，计算各个像素点相对其八邻域像素点的颜色复杂度，进而计算各个像素点的颜色复杂度，进而得到各个潜在损伤区域的颜色复杂度；根据各个潜在损伤区域的各个像素点的梯度值，确定各个潜在区域的各个波峰像素点和波谷像素点，计算潜在损伤区域的各个波谷与其相邻波峰之间的梯度均值，得到各个潜在损伤区域的平滑度指标。3.根据权利要求1所述的基于人工智能的桥梁安全检测方法，其特征在于，待检测桥梁的最大挠度限值的计算公式为：其中，MD为待检测桥梁的最大挠度限值，i为待检测桥梁的总跨数，Down
j
为待检测桥梁的第j跨的试验静态荷载与无载荷相比下沉的像素的行数，Height为待检测桥梁的无载荷的像素的行数。4.根据权利要求2所述的基于人工智能的桥梁安全检测方法，其特征在于，各个潜在损伤区域的纹理复杂度的计算公式为：
其中，T
i
为第i个潜在损伤区域的纹理复杂度，N为第i个潜在损伤区域的像素点个数，LTP
j
为第i个潜在损伤区域的第j个像素点的局部三值模式值。5.根据权利要求2所述的基于人工智能的桥梁安全检测方法，其特征在于，各个潜在损伤区域...

【专利技术属性】
技术研发人员：刘海宽，陶小委，张会礼，李鸿波，李现科，金世欣，薛红正，苏红星，李杰，李雪统，
申请(专利权)人：河南省公路工程试验检测中心有限公司，
类型：发明
国别省市：