小镇的夕阳|智能检测坝面缺陷( 四 )
H(p,q)值越小,两个概率分布越接近
3.3.3 识别准确率
最终的检测正确率通过均方误差的方式来表达,即
式中,y 为第i个测试数据的实际标签值;y′ 为检测网络对第i个测试数据的预测值;n为测试样本数 。
4 测试结果与分析
4.1 数据集与硬件平台
4.1.1 缺陷数据集
所有的缺陷数据都来自于某水电枢纽坝面无人机项目 。 该大坝为混凝土重力坝,坝轴线总长995.4 m,坝顶高程465.0 m,最大坝高116 m 。 无人 机飞手通过控制轴距为1 100 mm的六旋翼无人机和其上搭载的含35 mm定焦镜头的SONY微单相机对坝面进行全覆盖式缺陷数据采集,原始数据 大小为5 472×3 648个像素 。 通过专家系统筛选并将筛选的数据进行之前的预处理操作,最终数据集共包含33 000张左右的数据,每张数据大小为3 00×300个像素 。 其中,包含了裂缝、漏筋、渗漏和剥落共四种缺陷 。 在训练过程中,按照8 ∶1 ∶1的比例将数据集随机分为训练集、验证集和测试 集三部分 。
4.1.2 硬件平台
坝面缺陷的检测与分类方法是在惠普Z840图形工作站上进行开发的,其中该工作站的显卡为NVIDIA Quadro P4000,64G运行内存,且包含一块 GPU 。 利用Inception-v3的预训练模型对预处理过后的缺陷数据进行训练,大概需要花费28 min 。
4.2 实验结果与分析
分别用迁移学习的方式和普通卷积神经网络的方式对数据进行了训练,训练过程如图8所示 。 表1给出了两种分类方式训练过程中的识别准确率 和最终在测试集上的识别率 。
图8 训练过程曲线
从图8和表1可以看出,对于只采用普通卷积神经网络的方式,经过30 000轮训练过后得到的检测模型对测试集中四种缺陷数据的识别率只有91. 04%;而对采用图像预处理操作和迁移学习相结合的方式得到的检测模型对测试集中四种缺陷数据的识别率达到了95.97%,提升了接近5个百分 点 。 此外,从图8(a)可以看出,采用图像预处理操作和迁移学习相结合的方式在训练过程中,识别准确率会更快地收敛,也就意味着训练的速度和最终 的检测精度都会得到提升 。
虽然采用图像预处理和专家系统反馈优化过后,对缺陷的识别率会有一定的提升 。 但是大坝表面存在的修补痕迹、青苔和毛刺等环境因素还是 给缺陷的检测带来了一定的干扰,导致误分类 。 如图9所示,红色方框内的是修补过后留下的痕迹,但是缺陷检测模型的检测结果是属于裂缝 。
图9 缺陷误分类案例
5 结 语本文针对混凝土坝面缺陷的检测问题,通过采用迁移学习的方式对进行了预处理的数据进行迭代训练,得到了所需的检测模型,并最终在测试集 上获得了较高的检测正确率 。 实验结果表明,基于迁移学习的缺陷检测方法适用于桥梁、大坝、路面等混凝土结构缺陷检测和分类,具有工程应用价 值 。 本次研究采用的是对缺陷的离线检测与分类,虽然检测的精度和效率有一定提升,但是在实际应用中还不够直观,不能对缺陷进行实时定位,在后 面的学习中将着重研究缺陷的实时检测,提升检测结果的实用性 。
水利水电技术
水利部《水利水电技术》杂志是中国水利水电行业的综合性技术期刊（月刊） ， 为全国中文核心期刊 ， 面向国内外公开发行 。 本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护 ， 以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主 ， 同时也报道国外的先进技术 。 期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等 。
推荐阅读
- 小红猪带你看科技|七夕节送女朋友必备左点小艾智能艾灸器X8，3天众筹500万
- 车驰夜幕|详解智慧城市全新方程，开启城市智能非凡时代
- 36氪利用无人驾驶技术切入水域智慧环卫与维护，“欧卡智能”获千万元级融资
- 沈力遗体告别式在八宝山举行 《夕阳红》栏目同事纷纷到场送别
- 不得投递智能快递柜 两部门严格要求高校录取通知书寄送
- 热源智能商务 “找万物”引爆直播找好物新模式！，突围传统家博会
- 数字展示在线|更高追求更显专业——明基智能投影E592新品上市
- 北京日报客户端|互动动感单车、智能健身仓……西二环边新增运动休闲好去处
- 燕赵都市报|安享夕阳红，脱下军装绿
- 王小琉 你的私人健康助理，F25体温智能手表评测：实时监测