發布詢價單
您的位置:首頁 > 資訊 > 科技探索 > 正文

新論文 | 一種新型吸附式無人機檢測系統

2019-12-28 18:48 性質:轉載 作者:蔣賞 來源:張建課題組
免責聲明:無人機網(www.091797.live)尊重合法版權,反對侵權盜版。(凡是我網所轉載之文章,文中所有文字內容和圖片視頻之知識產權均系原作者和機構所有。文章內容觀點,與本網無關。如有需要刪除,敬請來電商榷?。?/div>
基于吸附式無人機與深度學習的裂縫實時檢測系統Real-time crack assessment using deep neural networks with wall-climbing unmanned aerial system...

基于吸附式無人機與深度學習的

裂縫實時檢測系統

Real-time crack assessment using deep neural networks with wall-climbing unmanned aerial system

Shang Jiang, Jian Zhang

COMPUTER-AIDED CIVIL AND   INFRASTRUCTURE ENGINEERING  

論文鏈接:

https://onlinelibrary.wiley.com/doi/full/10.1111/mice.12519

No.1

研究背景

近年來無人機平臺和計算機視覺技術越來越多地被應用到結構病害檢測中,但其應用還受到幾個共性問題限制:

(1)無人機在檢測過程中會在三維空間內頻繁移動,這造成圖像的比例參數隨之發生變化,拍攝時圖像平面與結構表面的不平行也會帶來圖像的傾斜變形。此外無人機在進行橋梁檢測時必須與結構表面保持一定的安全距離,導致無人機難以獲取細致的裂縫圖像,無法達到高精度的裂縫檢測要求;

(2)傳統無人機的操作要求較高,橋梁結構一般具有復雜的幾何外形,在檢測過程中操作人員既要控制無人機獲取合適的圖像信息,又要并避免發生碰撞,同時橋梁底部等環境GPS信號差,進一步增加了操作的難度;

(3)外業采集+內業處理的離線檢測方式效率低,容易造成檢測不全、重復檢測。

No.2

研究內容

那么問題來了,該如何有效解決傳統的無人機操作不易、頻繁移動、精度不高的難題呢......

針對以上問題,我們課題組開發了一種新型吸附式無人機檢測系統。該系統以自主研發的吸附式無人機為檢測平臺,檢測時吸附于結構表面以采集高精度影像,同時通過無線數據傳輸和對移動終端進行人工智能模型移植,實現裂縫的現場實時識別與快速量化評估,大幅提高了檢測效率和精度。

內容一:

吸附式無人機檢測平臺開發

概念設計:結合無人機和爬壁機器人兩種平臺的優勢,既實現了高精度的裂縫檢測,又降低了檢測過程的操作難度和危險性。操作人員控制無人機起飛后到達橋梁待檢測的位置,無人機緩慢靠近后吸附于橋梁表面開始檢測。檢測過程中無人機相機拍攝的表面病害視頻通過無線信號實時傳輸到地面站的智能手機上,通過所開發的裂縫檢測應用實時識別視頻中的裂縫。

三維設計與受力分析:

吸附式無人機在檢測過程中從起飛到吸附檢測包括三種飛行狀態:正常飛行狀態、針對橋梁底部裂縫檢測的頂部吸附狀態和針對橋塔橋墩等構件的立面吸附狀態。

硬件制作:

三種飛行狀態:

內容二:

基于深度學習裂縫檢測算法

深度學習網絡SSD是一種常用的“一段式”,不需要先產生候選區域(region proposals)再分類,有著較快的檢測速度。為了達到更高的檢測速度和更少的模型參數數量,采用專為移動端設計的分類模型MobileNet v2代替原有SSD模型結構中的VGG-16,應用深度可分離卷積結構代替傳統卷積結構形成SSDLite-MobileNet v2模型,大大減少了計算量和參數數量,提高了檢測速率。

SSDLite-MobileNetV2與SSD網絡結構對比

考慮到整套檢測系統應該盡可能簡單,采用常用的智能手機作為無人機地面站的數據接收和處理端,因此針對智能手機采用android studio開發了一套裂縫檢測APP。該APP分為兩個界面,界面一為裂縫識別頁,該頁的功能是將無人機拍攝的實時視頻顯示到屏幕上,同時由所訓練的輕量化SSDLite-MobileNetV2模型實時處理視頻;界面二為裂縫寬度測量頁,對于界面一中識別為有裂縫的圖片,重新導入到界面上并點選所要測量的裂縫位置即能計算該處寬度。系統的裂縫檢測APP界面如下圖所示。

No.3

現場測試

整套檢測系統被應用于某建筑物外墻的裂縫檢測中,檢測過程如下圖所示:

REC

結  論

課題組提出了一種基于吸附式無人機與深度學習的結構表面裂縫實時檢測系統及方法,首先通過設計融合了爬壁機器人和多旋翼無人機的吸附式無人機平臺實現了安全、穩定與高精度的裂縫圖像采集。接著對高效、輕量化的深度學習模型展開研究,綜合比較速度和精度選取了最優的網絡。最后以一棟實際建筑為例驗證整套系統的準確性、高效性和實用性。所設計的吸附式無人機裂縫檢測將在更多的實際工程中應用,并持續優化改善,有望在將來為橋梁、建筑等結構的病害檢測提供一個成本低廉、安全高效的智能檢測工具。

網友評論
文明上網,理性發言,拒絕廣告

相關資訊

熱點資訊

關注官方微信

手機掃碼看新聞

免费麻将下载游戏