摘要
裂缝是建筑普遍会遇到的问题，裂缝的展开对建筑物的安全有很大威胁，导致建筑物正常使用和耐久性强度的降低。因此房屋裂缝的检测对结构检测、危房鉴定和维护具有重要意义，而传统的裂缝检测方法存在不方便、不及时、不安全等问题。本文借助深度学习和图像处理技术，研究了建筑裂缝图像的识别算法、识别结果优化方法和裂缝宽度计算方法，实现了裂缝检测测量系统的搭建，可为裂缝宽度测量提供更加便利、迅速、安全的手段。 本文主要开展了以下研究： （1）将MaskR-CNN深度学习模型应用于建筑的裂缝识别，获得了较传统图像处理技术更好的裂缝识别效果，提高了裂缝识别的准确率。 （2）对训练模型的深度学习识别结果进行优化，本文对比了HSV和RGB颜色空间在使用优化算法上的区别，并使用模拟裂缝的方法量化了优化结果。 （3）利用双二维码进行定位与测量，在裂缝周围粘贴两张二维码以定位裂缝，通过二维码的角点进行图像倾斜纠正，通过分析图像的坐标转换和透视变换建立起实际尺寸与像素尺寸之间的关系。 （4）本文使用拟合法与插值法对裂缝进行亚像素宽度测量，并通过室内试验模拟裂缝展开的过程并通过拍摄图片进行测量，验证了裂缝宽度测量算法的实际使用的可行性。 （5）整合裂缝识别算法、识别结果优化算法、宽度测量算法后形成裂缝测量系统并搭建网站，网站具有实时、易用性，通过现场试验上传云端处理裂缝图片证明了该方法具有一定的实际使用价值。
NETL