基于深度学习的路面裂缝检查及全面质量管理方法研究

摘要

随着市政道路建设的快速发展，道路工程质量越来越受到人们的重视，其质量直接影响到国家经济建设的持续发展和人民的生命财产安全。然而，随着道路结构使用年限的增加、长期荷载、自然灾害及人为损害等因素，结构承载力等逐渐下降，甚至会导致安全事故的发生。因此，对于道路而言，为了延长使用寿命及保证其安全性能，必须对它进行周期性检测，及时发现其损伤的部位，以便及时采取一定的预防及维修措施来延长结构的使用寿命，并且防止灾难事故的发生。而目前的道路裂缝的检测主要是人工检测，这种方式不仅费时费力，主观性强，容易出错，且危险性高。基于图像识别技术的道路裂缝检测技术在一定程度上有效解决了这些问题，并且成为该领域的研究热点。
　　本文主要针对道路裂缝检测方面的不足，结合目前先进的基于无人机（UAV）的图像获取技术、基于深度学习的图像识别技术及基于Android的移动终端结果展示技术，设计并实现了一个基于深度学习的路面裂缝自动检查和定位系统(Auto-DIT)。该系统能快速获取路面的图像信息，自动识别出图像中的裂缝并框选出裂缝在图像中的位置，同时定位出裂缝在城市中的地理位置，最后通过移动终端展示识别结果。此外，本文分析研究了当前道路工程质量管理存在的问题，结合相关质量管理理论，提出了一套基于Auto-DIT的新型全面道路质量管理方法。
　　本文所提出的基于深度学习的路面裂缝自动检查和定位系统(Auto-DIT)，在一定程度上实现了对道路裂缝进行快速、准确的采集、识别、定位及展示，提高了道路裂缝管理的智能化程度，可以有效提高道路裂缝的检查和修复效率，可用于实际工程中路面裂缝的检查。此外，通过对工程质量管理理论及目前道路质量管理中存在问题的研究，结合本文提出的路面裂缝自动检查及定位系统（Auto-DIT），本文提出了一套基于Auto-DIT的新型全面道路质量管理方法，该方法丰富了道路工程项目质量管理方面的理论研究，而且可以指导道路工程质量管理实践，从而更好地保证道路工程全寿命周期的质量。

目录

1 绪 论

1.1 研究背景和意义

1.2 国内外道路裂缝检测系统研究现状

1.3 本文的主要研究内容

1.4 本文的组织结构

2 深度学习理论基础

2.1 人工神经网络

2.2 卷积神经网络

2.3 RCNN算法分析

2.4 深度神经网络的理解和总结

2.5 本章小结

3 Auto-DIT系统设计与实现

3.1 系统设计目标

3.2 系统总体设计

3.3 数据采集模块

3.4 裂缝识别及定位模块

3.5 移动终端展示模块

3.6 系统设计关键环节技术解析

3.7 系统测试及结果分析

3.8 本章小结

4 基于Auto-DIT的新型全面道路质量管理方法

4.1 当前道路工程质量管理存在的问题

4.2 新型道路质量管理方法的管理原则

4.3 新型道路质量管理方法的基本原理

4.4 新型道路质量管理方法的各阶段管控措施

4.5 本章小结

5 结论与展望

致谢

参考文献