文献类型：期刊文章

作　　者：李琛[1] 骆汉宾[1,2] 魏威[1,2] 徐文胜[2,3] 李国卫[2]

LI Chen;LUO Han-bin;WEI Wei;XU Wen-sheng;LI Guo-wei(Center for Virtual,Safe and Automated Construction,Huazhong University of Science and Technology,Wuhan 430074,China;School of Civil and Hydraulic Engineering,Huazhong University of Science and Technology,Wuhan 430074,China;Wuhan Huazhong University of Science and Technology Civil Engineering Testing Center,Huazhong University of Science and Technology,Wuhan 430074,China)

机构地区：[1]华中科技大学湖北省数字建造与安全工程技术研究中心,湖北武汉430074 [2]华中科技大学土木与水利工程学院,湖北武汉430074 [3]华中科技大学武汉华中科大土木工程检测中心,湖北武汉430074

出　　处：《土木工程与管理学报》

年　　份：2020

卷　　号：37

期　　号：6

起止页码：118-123

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、ZGKJHX、核心刊

摘　　要：混凝土缺陷普遍存在于混凝土建筑物及构筑物中,这些缺陷影响结构美观和使用功能,甚至可能带来结构安全问题。为了解决人工检测存在的费时、费力、危险、易出错等问题,同时提高缺陷检测效率及准确率,降低检测成本,本文针对混凝土表面裂缝和孔洞这两种常见缺陷,提出一种基于图像的混凝土表面缺陷检测方法。该方法结合数字图像处理和深度学习,能同时检测混凝土表面裂缝和孔洞。首先在实验室条件下制备混凝土块采集裂缝和孔洞图像作为样本数据集;随后进行图像预处理,包括RGB三通道阈值分割、形态学处理,以减少原始图片的噪声,提高裂缝及孔洞与背景对比度;最后建立深度卷积神经网络,经测试,裂缝检测正确率为97.48%,孔洞检测正确率为94.08%,裂缝和孔洞测量结果与实际结果误差小于6%。结果表明,本文提出的方法能有效地检测混凝土表面裂缝和孔洞,检测正确率较高,具有良好的应用前景。

关 键 词：混凝土 裂缝和孔洞  数字图像处理 深度卷积神经网络  

分 类 号：TP391.4] TU18[计算机类]