基于计算机视觉的混凝土表观裂缝识别和宽度测量

摘要

对钢筋混凝土(reinforcement concrete, RC)结构表观裂缝的高效识别可以为结构震损快速评估提供佐证。无论在地震现场还是实验室环境，此类工作均表现出量大、重复的特征，适合利用计算机视觉技术完成，以弥补人工方式低效、不确定性强的劣势。以消费级相机输出图像作为数据源，融合U-Net和VGG-16构造适用于混凝土表观裂缝识别的卷积神经网络(convolutional neuralnetwork, CNN)模型，依托多类型RC构件裂缝图像数据库完成模型训练和测试。利用形态学运算、Otsu阈值分割等技术进一步优化裂缝识别结果作为宽度测量的输入数据。为降低相机光轴与裂缝平面不垂直带来的裂缝宽度测量误差，通过特定靶标对原始图像进行透视误差校正，经检验，透视误差校正后的裂缝宽度测量的平均偏差最大可降低约25%。

关键词

表观裂缝 / 计算机视觉 / 裂缝识别 / 裂缝宽度测量 / 透视误差校正