基于图像处理的桥梁支座病害自动识别关键技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 深度学习的研究现状 | 第10-11页 |
| 1.2.2 桥梁支座检测的研究现状 | 第11-12页 |
| 1.2.3 基于图像处理技术的桥梁检测技术的现状 | 第12-14页 |
| 1.3 论文的主要研究内容 | 第14-17页 |
| 第二章 桥梁支座病害的成因及分类 | 第17-25页 |
| 2.1 桥梁橡胶支座的主要功能 | 第17-18页 |
| 2.2 桥梁橡胶支座的病害成因分析 | 第18-19页 |
| 2.3 桥梁板式橡胶支座病害评定[24] | 第19-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于图像处理的桥梁支座图像数据扩增 | 第25-37页 |
| 3.1 概述 | 第25页 |
| 3.2 图像水平与垂直翻转 | 第25-27页 |
| 3.3 图像的旋转 | 第27-31页 |
| 3.4 主成分分析算法调节图像的颜色通道 | 第31-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于深度学习的桥梁支座病害自动识别 | 第37-75页 |
| 4.1 人工神经网络 | 第37-42页 |
| 4.2 神经网络的训练 | 第42-47页 |
| 4.2.1 随机梯度下降法 | 第42-43页 |
| 4.2.2 误差反向传播算法 | 第43-47页 |
| 4.3 卷积神经网络 | 第47-55页 |
| 4.3.1 卷积运算 | 第47-48页 |
| 4.3.2 卷积神经网络的特点[45] | 第48-52页 |
| 4.3.3 卷积神经网络的正则化方法 | 第52-55页 |
| 4.4 基于卷积神经网络的支座病害识别 | 第55-64页 |
| 4.5 基于卷积神经网络间迁移学习的支座病害识别 | 第64-73页 |
| 4.6 本章小结 | 第73-75页 |
| 第五章 桥梁支座病害自动识别软件开发 | 第75-89页 |
| 5.1 软件开发环境简介 | 第75页 |
| 5.2 软件的结构设计 | 第75-76页 |
| 5.3 软件的功能简介 | 第76-80页 |
| 5.4 软件应用测试 | 第80-87页 |
| 5.5 本章小结 | 第87-89页 |
| 第六章 结论与展望 | 第89-91页 |
| 6.1 结论 | 第89-90页 |
| 6.2 存在的不足与展望 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 致谢 | 第95-97页 |
| 作者攻读硕士期间发表的学术论文与专利 | 第97页 |
