第一个书签之前
摘 要
Abstract
第一章 绪论
1.1 引言
1.2 国内外研究现状
1.2.1 路面结构病害检测技术研究现状
1.2.2 基于探地雷达的路面病害识别和定位技术研究现状
1.2.3 深度学习研究现状
1.2.4 基于深度学习的检测技术研究现状
1.3 主要研究内容
1.3.1 研究内容
1.3.2 论文技术路线
第二章 探地雷达检测路面结构层病害实用采集方法研究
2.1 探地雷达理论
2.1.1 探地雷达检测基本原理
2.1.2 探地雷达检测精度的影响因素
2.2 反射裂缝的雷达波响应特征
2.2.1 异常点的雷达波响应特征
2.2.2 单一均匀介质中垂直裂缝的雷达波响应特征
2.2.3 多层均匀介质中垂直裂缝的雷达波响应特征
2.2.4 探地雷达检测垂直裂缝采集方法
2.3 路面沉降的雷达波响应特征
2.4 层间脱空的雷达波响应特征
2.5 本章小结
第三章 基于卷积神经网络的路面病害识别
3.1 路面病害探地雷达图像数据集
3.1.1 图像数据集的采集
3.1.2 训练集、验证集与测试集的生成
3.2 卷积神经网络
3.2.1 卷积神经网络总体结构
3.2.2 卷积层
3.2.3 池化层
3.2.4 激活层
3.2.5 drop-out层
3.2.6 Softmax 层和softmax 损失函数
3.2.7 梯度下降算法
3.3 训练与验证结果分析
3.3.1 训练整体准确率和效率
3.3.2 训练样本数量对训练与验证结果的影响
3.3.3路面病害卷积特征分析
3.4 测试结果与算法稳定性分析
3.4.1 路面结构影响分析
3.4.2 探地雷达发射频率影响分析
3.5 识别方法对比研究
3.6 本章小结
第四章 基于Faster R-CNN 的路面病害定位
4.1 Faster R-CNN 概述
4.1.1 Fast R-CNN 网络结构
4.1.2 RNP网络结构
4.1.3 Faster R-CNN 网络结构
4.2 Faster R-CNN 数据集
4.3 训练、验证和测试结果分析
4.3.1 Faster R-CNN 结构优化
4.3.2 测试病害定位结果分析
4.3.3 路面结构影响分析
4.3.4 探地雷达发射频率影响分析
4.4方法对比研究
4.6 连续检测测试结果分析
4.7 本章小结
第五章 基于回归卷积神经网络的路面病害尺寸测量
5.1 回归卷积神经网络
5.1.1输入数据和输入层的设计
5.1.2输出数据和输出层的设计
5.1.3回归层与回归函数
5.1.4回归卷积网络结构特征
5.2 回归卷积神经网络数据集的生成
5.3训练和验证结果分析
5.3.1 Multi-Reg-CNN训练结果分析
5.3.2 Cascade-Reg-CNN训练结果分析
5.4 测试结果与算法稳定性分析
5.4.1 路面结构影响分析
5.4.2 探地雷达发射频率影响分析
5.5 病害尺寸测量方法对比研究
5.6 本章小结
第六章 基于级联神经网络的路面裂缝三维重建
6.1 级联卷积神经网络
6.1.1 一级级联卷积神经网络
6.1.2 二级级联卷积神经网络
6.1.3 三级级联卷积神经网络
6.1.4 误差评价指标和训练策略
6.2 级联卷积神经网络数据集的生成
6.3 训练与验证结果分析
6.3.1 整体训练与验证表现
6.3.2 训练样本数量对训练与验证结果的影响
6.3.3 特征点定位结果分析
6.4 测试结果与算法稳定性分析
6.4.1 路面结构影响分析
6.4.2 探地雷达发射频率影响分析
6.5 裂缝三维重建
6.5.1 菲涅尔区直径的影响
6.5.2 三维模型的工程意义
6.6 本章小结
结论
主要工作与结论
展望
参考文献
致谢
长安大学;
