文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

图像处理及机器学习在桥梁裂缝检测中的应用

姜修丽，温锦辉，栾尚敏

（华北科技学院，河北 廊坊 065201）

栏目：信息化应用 · 第 2025 年第 3 期 · 页码：128-139 · 2096-4706（2025）03-0128-12 · 中图分类号：TP391.4；TP183 · 文献标识码：A · DOI：10.19850/j.cnki.2096-4706.2025.03.023

摘要

桥梁在道路交通中占据着重要地位。桥梁检测和维护经历了从人工阶段到基于数字图像处理技术的自动检测的转变，如今人工智能技术也被广泛应用于道路桥梁检测中。文章主要综述了数字图像处理技术和机器学习技术在桥梁裂缝检测中的应用，并进行了比较研究。首先，传统的机器学习方法用于道路桥梁裂缝检测时，需要提前对图像进行预处理，包括图像降噪和图像增强。文章对图像降噪和图像增强算法的效率进行了比较。其次，在桥梁检测中，图像分割和拼接是关键步骤，文章对图像拼接算法的效率进行了实验比较。再次，针对裂缝宽度、长度和面积的计算，提出了一种方法，并进行了实验研究。最后，比较了传统机器学习和深度学习在桥梁裂缝检测中的差异。

关键词

桥梁裂缝检测；图像处理；深度学习

参考文献

  1. [1] 杨国俊，齐亚辉，石秀名.基于数字图像技术的桥梁裂缝检测综述 [J].吉林大学学报：工学版，2024，54（2）：313-332.
  2. [2] SPENCER B F，HOSKERE V，NARAZAKI Y. Advances in Computer Vision-Based Civil Infrastructure Inspection and Monitoring [J].Engineering，2019，5（2）：199-222.
  3. [3] 王睿，漆泰岳.基于机器视觉检测的裂缝特征研究 [J].土木工程学报，2016，49（7）：123-128.
  4. [4] SHI Y，CUI L，QI Z，et al. Automatic Road Crack detection Using Random Structured Forests [J].IEEE Transactions on Intelligent Transportation Systems，2016，17（12）：3434-3445.
  5. [5] 廖延娜，李婉.基于卷积神经网络的桥梁裂缝检测方法 [J].计算机工程与设计 ，2021，42（8）：2366-2372.
  6. [6] ADHIKARI R S，MOSELHI O，BAGCHI A. Image-based Retrieval of Concrete Crack Properties for Bridge Inspection [J].Automation in Construction，2014，39：180-194.
  7. [7] KIM H，YOON J，SIM S. Automated Bridge Component Recognition from Point Clouds Using Deep Learning [J/OL].Structural Control and Health Monitoring，2020，27：e2591（2020-06-20）.https://doi.org/10.1002/stc.2591.
  8. [8] LEE J S，PARK J，RYU Y M. Semantic Segmentation of Bridge Components based on Hierarchical Point Cloud Model [J/OL].Automation in Construction，2021，130：103847（2021-07-29）.https://doi.org/10.1016/j.autcon.2021.103847.
  9. [9] HSIEH Y A，TSAI Y J. Machine Learning for Crack Detection：Review and Model Performance Comparison [J/OL].Journal of Computing in Civil Engineering，2020，34（5）：04020038（2020-07-13）.https://doi.org/10.1061/（ASCE）CP.1943-5487.0000918.
  10. [10] 温锦辉，基于YOLOX-s的公路破损检测研究 [D].廊坊：华北科技学院，2022.
  11. [11] 李若星.基于机器视觉的混凝土裂缝检测方法研究 [D].重庆：重庆大学，2018.
  12. [12] DORAFSHAN S，THOMAS R J，MAGUIRE M. SD-NET2018: An Annotated Image Dataset for Non-Contact Concrete Crack Detection Using Deep Convolutional Neural Networks [J].Data in Brief，2018，21：1664-1668.
  13. [13] 王密，潘俊.一种数字航空影像的匀光方法 [J].中国图象图形学报，2004，9（6）：744–748.
  14. [14] 胡庆武，李清泉.基于Mask原理的遥感影像恢复技术研究 [J].武汉大学学报：信息科学版，2004，29（4）：319-323.
  15. [15] 李烁，王慧，王利勇，等.遥感影像变分Mask自适应匀光算法 [J].遥感学报，2018，22（3）：450-457.
  16. [16] 朱述龙，张振，朱宝山，等. 遥感影像亮度和反差分布不均匀性校正算法的效果比较 [J].遥感学报，2011，15（1）：111-122.
  17. [17] 高丽杰，信文雪，基于深度学习的光照不均匀图像识别系统设计 [J].信息与电脑，2023（9）：25-27.
  18. [18] 金萍萍.图像拼接和裂缝提取方法研究及在多足机器人桥梁检测中的应用 [D].广州：华南理工大学，2015.
  19. [19] YU L，HE S，LIU X，et al. Engineering-Oriented Bridge Multiple-Damage Detection with Damage Integrity Using Modified Faster Region-Based Convolutional Neural Network [J].Multimedia Tools and Applications，2022，81：18279-18304.
  20. [20] PARISI F，MANGINI A M，FANTI M P，et al. Automated Location of Steel Truss Bridge Damage Using Machine Learning and Raw Strain Sensor Data [J/OL].Automation in Construction，2022，138：104249（2022-04-19）.https://doi.org/10.1016/j.autcon.2022.104249.
  21. [21] GARG Y，MASIH A，SHARMA U. Predicting Bridge Damage During Earthquake Using Machine Learning Algorithms [C]//2021 11th International Conference on Cloud Computing，Data Science & Engineering（Confluence）.Noida：IEEE，2021：725-728.
  22. [22] POZZER S，AZAR E R，ROSA F D，et al. Semantic Segmentation of Defects in Infrared Thermographic Images of Highly Damaged Concrete Structures [J/OL].Journal of Performance of Constructed Facilities，2021，35（1）：04020131（2020-10-31）.https://doi.org/10.1061/（ASCE）CF.1943-5509.0001541.
  23. [23] DROGUETT E L，TAPIA J，YANEZ C et al. Semantic Segmentation Model for Crack Images from Concrete Bridges for Mobile Devices [J].Proceedings of the Institution of Mechanical Engineers Part O Journal of Risk and Reliability，2022，236（4）：570-583.
  24. [24] LI Z，ZHU H，HUANG M. A Deep Learning-based Fine Crack Segmentation Network on Full-Scale Steel Bridge Images with Complicated Backgrounds [J].IEEE Access，2021，9：114989-114997.
  25. [25] 崔弥达，王超，陈金桥，等.基于ROS及YOLOv3的混凝土桥梁裂缝实时检测系统 [J].东南大学学报：自然科学版，2023，53（1）：61-66.
  26. [26] 杜敏，杨国庆，张慧.基于YOLOv4-EfficientNet B7的桥梁裂缝检测方法研究 [J].天津城建大学学报，2023，29（1）：55-61.
  27. [27] PELEG S，ROSENFELD A. A Min-Max Medial Axis Transformation [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1981（2）：208-210.
  28. [28] 王龙云.路面裂缝检测算法研究 [D].南京：南京邮电大学，2012.
  29. [29] ZHANG T Y，SUEN C Y. A Fast Parallel Algorithm for Thinning Digital Patterns [J].Communications of the ACM，1984，27（3）：236-239.
  30. [30] 周颖，刘彤.基于计算机视觉的混凝土裂缝识别 [J].同济大学学报：自然科学版，2019，47（9）：1277-1285.
  31. [31] 唐钱龙，谭园，彭立敏，等.基于数字图像技术的隧道衬砌裂缝识别方法研究 [J].铁道科学与工程学报，2019，16（12）：3041-3049.
  32. [32] 沈立辉，吴保国，杨乃.面状要素主骨架线自动提取算法研究 [J].武汉大学学报：信息科学版，2014，39（7）：767-771.
  33. [33] 刘宇飞.基于模型修正与图像处理的多尺度结构损伤识别 [D].北京：清华大学，2015.
  34. [34] 杨世峰，陈化祥，李孝兵.关于通过图像灰度判断裂缝宽度的研究 [J].公路交通科技：应用技术版，2018，14（3）：71-72.
  35. [35] 余鑫.复杂背景下桥梁裂缝检测算法研究与应用 [D].西安：长安大学，2021.
  36. [36] 温锦辉，栾尚敏.基于集合与递归运算的两凹多边形交集面积计算方法 [J].数学建模及其应用，2022，11（1）：16-22.

基金项目

廊坊市科学技术项目（2024011090）

作者简介

姜修丽（1999—），女，汉族，山东临沂人，硕士研究生在读，研究方向：应急信息化；温锦辉（1994—），男，汉族，福建龙岩人，硕士，研究方向：计算机视觉；栾尚敏（1968—），男，汉族，山东济南人，教授，博士，研究方向：人工智能及其应用。