デジタル画像に基づく橋梁損傷箇所の自動特定手法

ブログ

ホームページホームページ / ブログ / デジタル画像に基づく橋梁損傷箇所の自動特定手法

Apr 17, 2024

デジタル画像に基づく橋梁損傷箇所の自動特定手法

Scientific Reports volume 13、記事番号: 12532 (2023) この記事を引用 182 アクセス メトリクスの詳細 効果的な技術的手段を使用してモニタリングし、

Scientific Reports volume 13、記事番号: 12532 (2023) この記事を引用

182 アクセス

メトリクスの詳細

効果的な技術的手段を使用して、橋の構造的損傷をリアルタイムかつ長期間にわたって監視し、警告することは、科学的かつ実践的に非常に価値があります。 従来の画像認識ネットワーク モデルは、多くの場合、オンサイト画像の欠如によって制限されます。 データ情報がない場合の橋構造のデジタル画像における自動認識とパラメータ取得の問題を解決するために,本論文は,効果的に輪郭彫刻と定量的特徴付けを実現するデジタル画像に基づく橋構造損傷領域の自動識別方法を提案する橋梁構造物の損傷箇所の様子。 まず、橋梁構造物の損傷領域のデジタル画像特徴を定義します。 損傷領域の画素値が周囲の画像の画素値と明らかに異なるという特徴を利用して、現場撮影画像の品質を効果的に向上させることができる構造物損傷領域の画像前処理方法を提案する。 次に,画像のグローバル閾値特徴と局所閾値特徴を有機的に融合して,橋梁構造表面画像の損傷領域輪郭彫刻を実現する改良されたOstu法を提案した。 被害面積の規模、被害面積の割合、被害面積の向きの計算ルールを構築した。 橋梁構造物損傷箇所の重要検査と特性パラメータ診断を実現します。 最後に、実際のプロジェクト事例と組み合わせてテストと分析を実行します。 結果は,本論文で提案した方法が実現可能で安定しており,現在の橋構造の損傷面積測定精度を向上させることができることを示した。 この方法は、橋梁構造の検出と保守のためにより多くのデータ サポートを提供できます。

この橋は国の経済発展において非常に重要な主導的役割を果たしており、それは国に多大な経済的および社会的利益をもたらす可能性があるため、国は橋の安全な使用に細心の注意を払っています1。 しかし、自然環境の侵食や建築材料の老朽化、橋自体の疲労効果などにより、橋の耐力は必然的に低下し、自然災害や災害に対する抵抗力の低下につながります。通常の環境。 極端な場合には、壊滅的な事故を引き起こす可能性があります2。 橋の構造は国のインフラ建設の重要な部分です。 Bridge を使用すると、異なる地域間での頻繁な通信が可能になります。 しかし、複数の環境要因の影響により、供用期間の増加に伴い、橋の構造にはさまざまな程度の構造損傷が現れます。 橋の構造は一般的な公共建築物とは異なります。 橋が崩壊したり、使用中に安全性が欠如した場合、我が国に多大な損害をもたらし、国民に多大な損失をもたらすため、橋梁構造物は高い安全性を維持する必要があり、メンテナンスの頻度も一般の橋梁構造物に比べて高くなります。公共建築物3. 通常の運用状態での橋の適用性、安全性、耐久性を確保するには、橋の構造損傷をリアルタイムかつ長期間監視し、早期に警告するための効果的な技術的手段を採用する必要があります。橋梁構造の安全性評価の科学的根拠4,5,6。

多くの高速道路の完成に伴い、橋梁構造はますます大型化しています。 高架橋、連続梁橋、連続ラーメン橋の使用により、橋梁の点検は時間と労力を要する作業となります。 コンクリート橋の維持管理において、損傷箇所の検出は橋梁構造物の重要な検査および診断手順の 1 つです。 通常、橋の表面亀裂は、コンクリート構造物の支持力、水密性、耐用年数を評価するために使用されます。 橋梁の静荷重曲げ試験では、梁底部の亀裂の検出を手作業で行っています。 人工視覚の検出は作業者の経験や熟練度に依存するため、時間がかかり安全性が低いため、検出効果を客観的に評価することが困難です。 橋梁表面画像からの損傷箇所の自動検出は、非破壊検査において非常に有効です7。 梁のひび割れを定期的に検出することで、コンクリート橋構造の安全性・信頼性の評価や事故の防止にも役立ちます。 従来の手動検出は非効率的であり、道路交通のスムーズな流れに影響を与えます。 橋梁構造物の写真を画像処理技術を用いて解析し、橋梁上部工底板の病変をリアルタイム、非破壊、高精度、低コストで検出する手法です。 現在、他の分野でもこの方式や原理を利用した一式の装置が存在していますが、これらの装置はほとんどが海外で開発されたもので高価です。 さらに、ブリッジ疾患の多様性と不確実性により、疾患検出プロセスのアルゴリズムにはさらなる研究が必要です。

 a, the gray value b is bright in the image, that is salt noise, and the gray value a is dark, which is pepper noise. In view of image noise existing in the bridge structure damage area, adaptive median filter can effectively retain the image edge features, so this paper selects adaptive median filter method for image denoising. The principle of adaptive median filtering method is to adjust the size of filtering window by the noise density, and use different processing methods to process the noise points and signal points. Then, median filter the noise points to keep the gray value of signal points unchanged. The gray value of pixel (x, y) in the bridge structure image is fxy, the current working window is represented by Axy. The preset maximum allowable window is represented by A. the minimum, median and maximum gray values in A are fmin, fmed and fmax respectively. The basic steps of algorithm are shown in Fig. 6./p>