基于人工智能的桥梁桥墩病害检测系统技术方案

本发明专利技术公开了一种基于人工智能的桥梁桥墩病害检测系统，包括：图像采集模块，设置在待检测的桥梁桥墩上，用于全方位采集桥梁桥墩的图像；接触采集模块，设置在待检测的桥梁桥墩上，用于采集桥梁桥墩的病害数据；数据处理模块，与图像采集模块和接触采集模块通信连接，以接收图像采集模块输出的桥梁桥墩的图像和接触采集模块采集的桥梁桥墩的病害数据，并将桥梁桥墩的图像进行识别分析，分析出病害图像，并将病害图像对应的桥墩病害位置与病害数据对应的桥墩病害位置进行比对。本发明专利技术的基于人工智能的桥梁桥墩病害检测系统，采用了病害图像和病害数据比较的方式，便可有效的实现对于污渍进行识别的效果，进而减少病害识别误差。差。差。

【技术实现步骤摘要】
基于人工智能的桥梁桥墩病害检测系统


[0001]本专利技术涉及一种检测系统，更具体的说是涉及一种基于人工智能的桥梁桥墩病害检测系统。

技术介绍

[0002]桥梁是道路的重要组成部分，我国目前的桥梁总数已经超过百万座。随着桥梁服役期的延长，在长期风沙和雨雪的侵蚀以及车辆流量不断增加所造成的超载现象的影响下，桥梁不可避免的会出现外观上的损伤。而一旦桥梁外观结构上的病害产生到1/3以上，就会对桥梁造成不同程度的损伤，甚至产生功能失效的隐患。因而对桥梁的监控和维护也越来越重要。
[0003]目前大多数采用图像识别的方式来实现对于桥梁的病害检测，如专利号为202111085252.5，名称为一种桥面病害检测方法、系统、设备及存储介质的专利技术专利公开了通过摄像机采集桥面凸显，然后通过GPU服务器根据目标检测算法对桥面图像进行病害标注，由此获得病害桥面图像，以此实现桥面病害的检测，然而在实际使用的过程中，桥墩病害相对于桥面病害更具有危害性，而在日常的过程中，桥墩表面一般会布满污渍，因此若是采用现有的图像识别的方式来实现桥墩病害检测的话，很容易把污渍部分识别成病害，由此容易出现桥墩病害识别误差大的问题。

技术实现思路

[0004]针对现有技术存在的不足，本专利技术的目的在于提供一种识别误差小的基于人工智能的桥梁桥墩病害检测系统。
[0005]为实现上述目的，本专利技术提供了如下技术方案：一种基于人工智能的桥梁桥墩病害检测系统，其特征在于：包括：
[0006]图像采集模块，设置在待检测的桥梁桥墩上，用于全方位采集桥梁桥墩的图像；接触采集模块，设置在待检测的桥梁桥墩上，用于采集桥梁桥墩的病害数据；数据处理模块，与图像采集模块和接触采集模块通信连接，以接收图像采集模块输出的桥梁桥墩的图像和接触采集模块采集的桥梁桥墩的病害数据，并将桥梁桥墩的图像进行识别分析，分析出病害图像，并将病害图像对应的桥墩病害位置与病害数据对应的桥墩病害位置进行比对，若有位置比对一致，则确定为桥墩病害，若出现有位置病害图像表示有病害而病害数据表示没有病害，则确定为污渍；
[0007]其中，在图像采集模块分析出病害图像后，接触采集模块根据病害图像上的病害位置做进一步检测，获得病害数据。
[0008]作为本专利技术的进一步改进，所述数据处理模块与外部互联网通信连接，其内搭载有深度学习神经网络，该神经网络采集外部互联网的桥墩病害图像数据进行训练，构成桥墩病害图像识别模型，通过桥墩病害图像识别模型识别分析采集的桥墩的图像，其中，在确定为污渍时，将该污渍对应的病害图像输入到深度学习神经网络，神经网络对桥墩病害图
像识别模型进行调整。
[0009]作为本专利技术的进一步改进，所述接触采集模块包括采集底座、升降部件和若干个采集杆，所述采集底座呈环状，套设在桥梁桥墩上，所述升降部件安装在桥墩的上端，以控制采集底座的升降，若干个所述采集杆均匀的弹性的安装在采集底座的内侧壁上，所述采集杆的端部与桥墩外侧壁相抵。
[0010]作为本专利技术的进一步改进，所述图像采集模块模块为摄像头，所述采集底座的下侧面开设有滑移轨道，所述滑移轨道上可滑移的设有滑移底座，所述摄像头可升降的安装在滑移底座上。
[0011]作为本专利技术的进一步改进，所述滑移底座上设有卷绕电机，该卷绕电机的转轴上卷绕有升降绳，所述摄像头固定安装在升降绳上，所述摄像头朝向桥墩的一侧可旋转的设有与桥墩相抵的滚轮。
[0012]作为本专利技术的进一步改进，所述采集杆相对采集底座的一端固定有光传感器，另一端设有尖端，所述光传感器与数据处理模块通信连接，所述尖端与光传感器之间通过光纤连接，以使得光传感器实时检测尖端的光照强度，并传输光照强度至数据处理模块，数据处理模块内预设有光照强度阈值，当传输的光照强度小于光照强度阈值时，数据处理模块确定该光传感器对应的采集杆的尖端嵌入到病害裂缝中。
[0013]作为本专利技术的进一步改进，所述采集杆的侧壁靠近尖端的位置上设有补光灯。
[0014]本专利技术的有益效果，通过图像采集模块和数据处理模块的设置，便可利用现有的图像识别方式实现对于桥墩病害的初步判断，然后通过接触采集模块的设置，便可有效的实现对于检测出来的病害进行进一步判断，一方面保证了病害的检测效率，另一方面减少了污渍判断为裂缝病害的情况，减少病害的判断误差。
附图说明
[0015]图1为接触采集模块的结构简图；
[0016]图2为尖端接触时的动作示意图。
具体实施方式
[0017]下面将结合附图所给出的实施例对本专利技术做进一步的详述。
[0018]参照图1至2所示，本实施例的一种基于人工智能的桥梁桥墩病害检测系统，包括：
[0019]图像采集模块，设置在待检测的桥梁桥墩上，用于全方位采集桥梁桥墩的图像；接触采集模块，设置在待检测的桥梁桥墩上，用于采集桥梁桥墩的病害数据；数据处理模块，与图像采集模块和接触采集模块通信连接，以接收图像采集模块输出的桥梁桥墩的图像和接触采集模块采集的桥梁桥墩的病害数据，并将桥梁桥墩的图像进行识别分析，分析出病害图像，并将病害图像对应的桥墩病害位置与病害数据对应的桥墩病害位置进行比对，若有位置比对一致，则确定为桥墩病害，若出现有位置病害图像表示有病害而病害数据表示没有病害，则确定为污渍；
[0020]其中，在图像采集模块分析出病害图像后，接触采集模块根据病害图像上的病害位置做进一步检测，获得病害数据，在使用本实施例的检测系统的过程中，只需要将图像采集模块和接触采集模块设置到待检测的桥墩上即可，然后便可通过图像采集模块和接触采
集模块，分别采集桥墩侧面上的裂缝病害，并且将病害图像和病害数据进行比对，便可避免现有技术中仅采用病害图像进行检测导致的容易将桥墩侧面的污渍判断为裂缝病害的问题，减少病害检测的误差。
[0021]作为改进的一种具体实施方式，所述数据处理模块与外部互联网通信连接，其内搭载有深度学习神经网络，该神经网络采集外部互联网的桥墩病害图像数据进行训练，构成桥墩病害图像识别模型，通过桥墩病害图像识别模型识别分析采集的桥墩的图像，其中，在确定为污渍时，将该污渍对应的病害图像输入到深度学习神经网络，神经网络对桥墩病害图像识别模型进行调整，通过深度学习神经网络的设置，便可实现人工智能进行识别出病害图像，同时还实现病害图像与病害数据的比较，使得整体系统具有更好的成长性和鲁棒性，保证了系统运行结果的准确度。
[0022]作为改进的一种具体实施方式，所述接触采集模块包括采集底座1、升降部件2和若干个采集杆3，所述采集底座1呈环状，套设在桥梁桥墩上，所述升降部件2安装在桥墩的上端，以控制采集底座1的升降，若干个所述采集杆3均匀的弹性的安装在采集底座1的内侧壁上，所述采集杆3的端部与桥墩外侧壁相抵，通过采集杆3的设置，便可有效的实现通过接触的方式来检测桥墩侧壁上是否有裂缝病害了，其中，本实施例的升降部件2为电机钢索组合式结构，通过钢索的吊装实现采集底座1的上下升降，并且由于采集杆3的设置，可以利用采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的桥梁桥墩病害检测系统，其特征在于：包括：图像采集模块，设置在待检测的桥梁桥墩上，用于全方位采集桥梁桥墩的图像；接触采集模块，设置在待检测的桥梁桥墩上，用于采集桥梁桥墩的病害数据；数据处理模块，与图像采集模块和接触采集模块通信连接，以接收图像采集模块输出的桥梁桥墩的图像和接触采集模块采集的桥梁桥墩的病害数据，并将桥梁桥墩的图像进行识别分析，分析出病害图像，并将病害图像对应的桥墩病害位置与病害数据对应的桥墩病害位置进行比对，若有位置比对一致，则确定为桥墩病害，若出现有位置病害图像表示有病害而病害数据表示没有病害，则确定为污渍；其中，在图像采集模块分析出病害图像后，接触采集模块根据病害图像上的病害位置做进一步检测，获得病害数据。2.根据权利要求1所述的基于人工智能的桥梁桥墩病害检测系统，其特征在于：所述数据处理模块与外部互联网通信连接，其内搭载有深度学习神经网络，该神经网络采集外部互联网的桥墩病害图像数据进行训练，构成桥墩病害图像识别模型，通过桥墩病害图像识别模型识别分析采集的桥墩的图像，其中，在确定为污渍时，将该污渍对应的病害图像输入到深度学习神经网络，神经网络对桥墩病害图像识别模型进行调整。3.根据权利要求1或2所述的基于人工智能的桥梁桥墩病害检测系统，其特征在于：所述接触采集模块包括采集底座(1)、升降部件(2)和若干个采集杆(3)，所述采集底座(...

【专利技术属性】
技术研发人员：吴磊，王旭，张雅涵，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：