49、混凝土结构裂缝检测算法与深度学习人脸识别网络对比分析

混凝土结构裂缝检测算法与深度学习人脸识别网络对比分析

一、基于神经网络的裂缝检测技术

传统使用图像处理技术的裂缝检测方法，是针对特定数据集里的某些图像定制的。对于在不同光照条件和有阴影情况下收集的新图像和数据集，这些技术可能无法给出准确结果。而神经网络能够消除这些缺点。

人工神经网络（ANN）是一种计算技术，由许多相互连接的处理单元交互形成，是实时应用的强大工具。它可以通过经验学习来提高性能，训练好的网络能从不完整和部分输入信息中给出完整且正确的输出。ANN由多个类似人类大脑生物神经元的节点组成，这些节点按层组织。输入数据通过输入层连接到ANN，输入层为一个或多个隐藏层提供输入，隐藏层通过加权连接系统负责神经网络的实际处理，最后隐藏层连接到输出层。神经网络需要先进行良好的训练，训练就是向网络提供输入并指明输出细节的过程。

（一）基于基本人工神经网络的裂缝检测技术

1. Moon等人的方法
   Moon等人测试混凝土表面并有效描绘裂缝采用了两步处理。第一步，使用滤波从背景中提取裂缝，接着采用改进的减法和形态学操作；第二步，通过反向传播神经网络识别裂缝的存在。但该系统在有雾、混凝土表面色调和结构形状等情况下无法正常工作，需要各种优化技术来定义最佳参数。
2. Adhikari等人的集成模型
   由于无法在像素级别识别裂缝，Adhikari等人开发了一个集成模型，用图像处理对裂缝进行数值表示。该模型包括四个阶段：
   • 第一阶段，使用裂缝骨架的周长测量裂缝长度。
   • 第二阶段，使用数字图像的傅里叶变换