摘要
拉索作为主要受力构件,对索结构索桥的寿命起到决定性因素,因拉索断裂导致的桥梁垮塌时有发生.传统的拉索护套外观缺陷检测方法耗费人力物力,且存在一定的安全隐患,不能满足新时代拉索病害检测的要求.采用移动检测设备采集和定位拉索外观高清图像,构建基于YOLOv8深度学习网络的在役桥梁表观病害检测模型,对海量图像数据输入检测模型进行外观病害自动分类识别,批量输出病害检测结果.实验结果表明:该方法可以快速准确检测出多种在役桥梁病害,减少误检和漏检,实现一图多病害的精细化检测.
基金项目
上海市优秀学术/技术带头人计划(22XD1433300)
上海市住房和城乡建设管理委员会重点科研项目(沪建科2023-002-029)
维普
万方数据