首页期刊导航|中国公路学报
期刊信息/Journal information
中国公路学报
中国公路学报

马建

双月刊

1001-7372

glxb@chd.edu.cn

029-82334387

710064

西安市南二环路中段长安大学内

中国公路学报/Journal China Journal of Highway and TransportCSCD北大核心CSTPCDEI
查看更多>>本刊是中国公路学会主办的公路交通行业最权威的学术性刊物，主要刊载道路工程、桥隧工程、筑路机械工程、汽车与汽车运输经济与工程经济等专业的应用技术及理论性文章，并适当报道有关公路交通的新技术、新材料、新工艺以及国内外重大学术活动、工程建设及科技动态信息等。
正式出版
收录年代

    基于机器视觉法的桥梁表观病害检测研究综述

    刘宇飞冯楚乔陈伟乐樊健生...
    1-15页
    查看更多>>摘要：桥梁作为重要的基础设施,承担着道路交通和人员、货物运输等重要任务.桥梁表观病害的及时有效检测具有确保公共安全、延长桥梁使用寿命、及时排查风险等重大意义,有助于提高桥梁服役阶段的可靠性和耐久性.近年来,随着计算机视觉、人工智能等技术的快速发展,机器视觉法逐渐成为了桥梁表观病害检测的新兴手段之一.首先,通过详细分析近年来该领域的多篇相关文献,综述了基于机器视觉法进行桥梁表观病害检测的关键技术,包括检测平台研发技术、数据采集技术、图像处理技术、三维建图技术、病害定位技术和病害参数量化技术等.其次,通过分析现有研究开展检测工作的流程,总结了基于机器视觉法进行桥梁表观病害的技术框架,并分析了其中各个流程之间的功能与联系.上述关键技术的综述与技术框架的总结可为研究者开展检测工作提供一定的参考.最后,根据现有研究在实施检测任务时自动化程度的不同,提出了基于机器视觉法进行桥梁表观病害检测的智能化分级,包括人工检测辅助、病害定位检测、局部自动检测、整体自动检测、高度自动检测和完全自动检测6个等级.对比文献研究可知,现有研究虽然已经脱离了传统的人工检测的阶段,但仍与完全自动检测具有一定的差距.该领域仍具有较强的研究价值与广阔的应用前景.

    桥梁工程工程检测综述表观病害机器视觉技术体系

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    桥梁裂缝智能识别与监测方法研究

    岳清瑞徐刚刘晓刚
    16-28页
    查看更多>>摘要：当前,裂缝识别与监测一直是桥梁结构健康监测的重要研究内容.在桥梁结构现场检测与监测中,传统的裂缝识别与监测技术尚不足以满足实际工程的时效性和精确性需求,尤其是裂缝监测技术.基于深度学习的裂缝图像识别极大提升了裂缝检测的效率和精度,但目前仅能获得特定时刻的裂缝信息,缺乏对裂缝产生和演化过程的监测能力,而这些信息对混凝土结构服役安全量化和科学评价具有重要意义.鉴于此,对基于深度学习的裂缝识别与监测方法进行了系统研究,分析和讨论了裂缝数据集构建基准,改进优化了裂缝目标检测和语义分割算法,提出一种多任务集成一体化实时识别算法,并建立了该模型推理效果评价方法,优化了裂缝参数计算方法,最终形成了裂缝识别及动态扩展自动化实时监测方法.结果表明:所提出的裂缝智能识别与监测方法可以对新裂缝的产生和既有裂缝的全局演化实现良好追踪,监测数据可以为桥梁结构当前服役性能的科学量化评估提供支撑.

    桥梁工程桥梁结构智能识别与监测混凝土裂缝深度学习裂缝参数推理效果

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于无人机的悬索桥主缆自动巡检及小样本表观病害识别

    冯东明余星宇黎剑安吴刚...
    29-39页
    查看更多>>摘要：为了实现悬索桥主缆的自动化、智能化检查,开展了基于无人机的主缆巡检路径规划和小样本数据下的主缆病害识别研究.首先,利用无人机倾斜摄影测量技术快速建立悬索桥的三维模型,提出主缆无人机自动巡检路径的规划方法;然后,采用Faster RCNN网络模型识别主缆图像中的表观病害;最后,采用基于图像融合的数据增强方法,提高小样本数据集下 目标检测的准确率.在Faster RCNN网络模型训练过程中,随着训练轮次的增加,测试集中裂纹、锈蚀和划痕3类病害的平均精确率得到提升,并在第15个训练轮次后逐渐稳定,在经过100个训练轮次后,测试集中所有类别的平均精确率为0.723.以小龙湾桥为研究对象,进行了主缆的现场检查试验.研究结果表明:基于悬索桥三维模型进行主缆无人机自动巡检路径规划具有实际可行性;基于Faster RCNN网络模型能较准确地识别主缆的裂纹、锈蚀和划痕病害;利用图像融合方法生成病害数据能有效克服数据样本少的问题,并提高识别的准确性.

    桥梁工程病害检测深度学习主缆检测路径规划

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于环带视觉扫描的墩柱结构表观病害攀爬检测作业机器人系统

    王会峰杜浩高荣仝亚雄...
    40-52页
    查看更多>>摘要：针对现有爬壁机器人在高墩柱结构表观病害检测过程中存在的局限性,提出了一种基于环带视觉扫描的高墩柱结构表观病害攀爬检测作业机器人系统.首先,根据攀爬作业机器人的功能需求,设计了一种多足协同的攀爬检测作业机器人平台.其可通过上位机设定机器人作业过程中的运行参数,攀爬过程中利用安装在环形框架上的多个倾角传感器实时采集机器人的姿态信息,并通过所设计的系统算法实时校正其爬行姿态和精度.其次,设计了一种可搭载于作业平台的环形轨道及视觉扫描小车,其可携带工业相机、照明系统和高精度编码器实现对轨道方向的病害视觉扫描.最后,利用所采集的图像进行表观病害识别和测量,并以此为基础实现了表观病害的数字化档案.为测试验证其有效性,利用所搭建的样机,在西安广运桥和淮南寿春桥进行了现场试验,结果表明:本机器人系统可以实现墩柱结构的全域扫描,可以获取墩柱结构表观病害的高精度视觉图像,并能够准确地对其病害进行识别和量化,实现了墩柱结构表观病害的智能检测.

    桥梁工程桥墩表观病害检测环形攀爬作业机器人机器视觉FPGA环带视觉扫描

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于负压吸附爬壁机器人和Transformer的混凝土桥塔裂缝识别检测

    丁威夏哲舒江鹏叶建龙...
    53-64页
    查看更多>>摘要：为了解决大型桥梁混凝土桥塔结构裂缝难以高效、安全、精准量化识别的问题,提出了基于爬壁机器人和Transformer的桥塔裂缝识别检测方法.该方法以基于负压吸附机制的爬壁机器人为装备载体,其可在混凝土桥塔上快速移动并近距离采集表观病害高清数据.通过建立包含图像拼接、特征金字塔Transformer(Feature Pyramid Transformer,FPT)裂缝分割网络、尺度量化计算的裂缝识别方法,得到裂缝关键位置的宽度数据,并输出裂缝全局分布可视化结果,有效提升了微小裂缝的分割和边缘定位精度.基于试验验证了该方法的可行性与识别检测精度,并成功将其应用于中国东部某跨海大桥主塔裂缝检测工程.检测结果表明:该法对实际桥塔表面分布在0.1～3.3 mm宽度范围内的多尺度裂缝进行检测,宽度量化的最大误差小于10％.研究成果具有较好的应用前景,有望进一步推进现有混凝土桥梁结构检测技术与装备的智能化发展.

    桥梁工程桥塔裂缝检测爬壁机器人特征金字塔Transformer多尺度裂缝

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于Transformer的高分辨率桥梁裂缝图像级联分割方法

    褚鸿鹄袁华青龙砺芝邓露...
    65-76页
    查看更多>>摘要：为充分发挥Transformer模型在高分辨率桥梁裂缝图像分割上的优势,提出了一种基于Transformer和坐标注意力(Coordinate Attention,CA)机制的精细化级联分割 方法(级联CA-TransUNet).首先,开发了一个基于TransUNet的裂缝特征提取模块,用于从低分辨率裂缝图像中初步提取3个尺度的粗粒度裂缝特征;其中,CA机制被引入TransUNet的跳跃连接结构,从而增强TransUNet网络对微小裂缝特征的表征.然后,基于所提取的三尺度粗粒度裂缝特征设计了2个基于物理级联结构的精细化运算模块,实现了从全局和局部2个维度依次恢复裂缝主体与边缘区域的细粒度像素特征.此外,为了充分利用多尺度特征在裂缝边界的细粒度特征表征中的优势,在训练过程中引入了一个带有主动边界回归项的多尺度级联损失.在基于无人机所采集的桥梁高分辨率裂缝图像上开展的消融性试验证明了所提出各组件的有效性.最后,在4 K分辨率的桥梁裂缝图像上开展了对比试验,结果表明:级联CATransUNet在不增加显卡内存需求的前提下,相较于此前最先进的基于传统卷积神经网络(Convolutional Neural Network,CNN)搭建的高分辨率图像精细化网络 Segfix 和 CascadePSP,平均交并比(mean Intersection over Union,mIoU)和平均边缘精度(mean Boundary Accuracy,mBA)分别提升了 5％和7％以上.采用级联CA-TransUNet 可实现对高分辨率裂缝图像的精细化分割,为检测人员提供更加全面、准确的结构裂缝信息,从而为结构安全状况评估以及维护决策制定提供技术支撑.

    桥梁工程裂缝分割Transformer高分辨率图像注意力机制级联运算

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进Segformer的混凝土桥梁表观病害轻量级识别方法

    蒋仕新唐椿程杨建喜李昊...
    77-87页
    查看更多>>摘要：现有基于语义分割的混凝土桥梁表观病害识别方法具有模型参数量较大、特征提取不充分、分割精度不高等缺点.针对上述问题,提出基于改进Segformer的混凝土桥梁表观病害轻量级识别方法——Segformer-SP,该方法选取 MiT B0作为编码器,并引入语义融合模块(Semantic Fu-sion Module,SFM)和极化自注意力机制(Polarized Self-Attention,PSA).在 Segformer-SP 中,SFM模块对低级特征和高级特征进行融合,以提高低级特征的语义信息量;同时,PSA自注意力机制模块可以在分割过程中捕捉全局上下文信息,解决病害特征不够充分的问题,从而进一步提高分割效果.试验结果表明:Segformer-SP的平均交并比(mIoU)和平均F1分数(mF1)相较于Seg-former-B0分别提高了 2.41％和1.91％;此外,Segformer-SP的mIoU和mF1均优于大部分主流语义分割算法;Segformer-SP的参数量仅为6.09 × 106,FPS为56.54,更适合应用于终端检测设备.

    桥梁工程桥梁病害识别Segformer轻量级特征融合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于轻量化网络与迁移学习的桥梁水下桩墩结构表观病害轮廓提取

    王威姜绍飞宋华霖李朋泽...
    88-99页
    查看更多>>摘要：水下桩墩作为桥梁结构的重要组成部分,由于其所处复杂的水文环境,通常会在其表面产生各种表观病害.现有的光学检测方法存在2个方面的问题:①水下图像模糊不清,色彩严重失真;②无法定量化识别病害尺寸大小,且检测效率低.针对这些问题,提出了图像融合增强算法与深度学习模型相结合的水下桩墩表观病害轮廓提取方法.首先,提出了一种基于点锐度权重的图像像素级融合算法,不仅能够融合2种单一增强图像,而且在保证有效色彩校正的同时还能显著提高图像的对比度.其次,对DeepLabv3+语义分割网络模型进行轻量化改进,使其保证精度的情况下,尽可能降低模型所需的权重参数量;随后采用陆上建筑结构中的表观病害公开数据集训练主干特征提取网络层,并采用迁移学习方法将其运用到 目标域的检测任务中.最后,利用水下试验与实际工程采集到的图像数据集对轻量化改进模型进行训练,建立起水下桩墩表观病害轮廓提取模型,然后对其进行验证与测试,并从3个方面进行了比较与讨论,即与其他5种常用算法的比较、图像融合前后的检测结果以及噪声影响,验证了所提出改进方法的鲁棒性和有效性.结果表明:提出的图像融合增强算法可以有效地增强病害图像轮廓的细节特征,且所提的轻量化改进模型不仅具有最高的识别精度,还能够保持较高的检测效率与鲁棒性,适合植入小型水下机器人中用于实际桥梁结构的水下桩墩表观病害轮廓的实时化、定量化检测.

    桥梁工程水下结构检测轻量化网络迁移学习桥梁结构水下桩墩表观病害

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进Mask R-CNN的钢桥多病害智能识别

    彭卫兵张明见全柳萌李珉...
    100-109页
    查看更多>>摘要：钢桥在现代交通基础设施中扮演着重要的角色,然而,由于长期服役与环境影响,钢桥可能出现涂层锈蚀、螺栓脱落等病害.为解决传统的钢桥病害检测需要人工参与,费时费力且主观性强的问题,提出了一种基于深度学习的钢桥病害检智能识别方法.利用无人机在图像采集方面的优势,采集大量高清病害图像,经图像增强、标注后建立钢桥病害图像库,用于模型的训练和测试;引入掩膜区域卷积神经网络(Mask R-CNN)构建钢桥病害识别模型,实现钢桥病害的自动识别;并通过更换骨干网络的方式进一步提升模型性能.研究结果表明:将骨干网络由传统的ResNet101替换为VoVNet后模型性能显著提升,交并比阈值为0.5与0.5∶0.95时,优化后模型的识别平均精确率分别为0.84与0.59;相同交并比阈值下较之优化前有约10％的提升.将改进的模型应用于上莘桥表观病害检测,其对涂层锈蚀、螺栓锈蚀与螺栓脱落的识别准确率分别达到了 89.3％、85.7％、73.1％;改进的Mask R-CNN模型在钢桥病害识别任务中表现出了优异的性能,无人机与深度学习相结合的方法能够实现钢桥病害的高精度、自动化检测,具有重要的科学研究和工程应用价值.

    桥梁工程病害识别MaskR-CNN钢桥无人机图像采集图像分割

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合自适应光照预处理和深度学习的钢桥腐蚀检测方法

    吴乐谋张清华郑秋松邵少兵...
    110-124页
    查看更多>>摘要：针对钢结构桥梁实桥腐蚀图像往往由于光照条件较差或光照不均匀导致腐蚀区域检测困难的问题,提出了一种融合自适应光照预处理方法和深度学习的钢桥腐蚀检测方法.首先,采用Global and Local Fusion(GLF)对比度增强算法结合KinD++低光增强模型的方法,对图像进行预处理;其次,采用粗标注结合K-means算法标注腐蚀区域得到分割标签;最后,采用原始图像和预处理后图像分别对UNet++网络进行了训练和测试,验证了所提出的预处理方法的有效性和优越性.结果表明:所提出的自适应光照预处理方法有效改善了实桥腐蚀图像的光照不均和低光照问题,修复和增强了细节和纹理特征信息,颜色保真度较高;所提出的数据标注方法能够精准标注腐蚀区域,减少边缘描绘工作;与原始图像相比,该方法预处理后的图像训练的模型在准确率、精确率、召回率、F1-score、交并比IoU和AUC上分别提高了 5.2％、2.7％、22.5％、19.4％、25.4％和10.5％;对于光照良好的均匀腐蚀图像,预处理对分割精度提高有限,对于点蚀图像,分割精度有较大的提高,对于低光照或光照均匀性较差的图像,分割精度得到了大幅提高.

    桥梁工程腐蚀检测光照处理钢结构桥梁深度学习语义分割

      原文链接:
    • NETL
    • NSTL
    • 万方数据