文献类型：期刊文章

作　　者：吕硕[1] 杨国涛[1] 陈涵深[2] 赵伟[2] 郭珍珠[3]

LV Shuo;YANG Guotao;CHEN Hanshen;ZHAO Wei;CUO Zhenzhu(College of Civil Engineering,Qingdao University of Technology,Shandong Qingdao 266525,China;Collaborative Innovation Center for application of highway and waterway steel bridge,Hangzhou 311112,China;Urban Construction College,Tianjin College of Beijing University of Science and Technology,Tianjin,301830,China)

机构地区：[1]青岛理工大学土木工程学院,山东青岛266520 [2]教育部公路水运钢结构桥梁应用协同创新中心,杭州311112 [3]北京科技大学天津学院城市建设学院,天津301830

出　　处：《低温建筑技术》

基　　金：国家自然科学基金项目(61871350);浙江省交通运输厅科技计划项目(2022013)。

年　　份：2023

卷　　号：45

期　　号：2

起止页码：56-59

语　　种：中文

收录情况：普通刊

摘　　要：针对钢桥高强螺栓人工检测效率低、风险大,难以量化松动程度等问题,研发了一种基于关键点识别的批量螺栓松动检测方法.首先,通过卷积神经网络模型定位图像中的螺栓关键点;其次,采用K-means聚类算法对螺栓关键点进行包络,计算螺栓初始角度与松动角度.通过收集试验室环境下的螺栓图片对算法性能进行验证,结果表明试验室松动测试均方根误差均在0.63°-1.83°,最大误差为2°,单张平均检测耗时仅为51 ms.方法识别的松动角度与实际松动角度非常吻合,测试误差满足工程应用要求.

关 键 词：公路桥梁 螺栓松动 深度学习  钢桥螺栓  

分 类 号：TU712.3]