機場道面表面健康狀態(tài)智能檢測技術

目錄
第1章 緒論 1
1.1 機場外來物 2
1.2 機場道面表面病害 3
1.3 機場道面抗滑性能 5
1.4 機場道面積水積冰積雪 6
參考文獻 7
第2章 機場道面外來物檢測技術研究綜述 9
2.1 機場道面外來物檢測概述 9
2.2 機場道面外來物檢測方法 10
2.2.1 基于雷達-光電混合技術的外來物檢測方法 10
2.2.2 基于光電技術的傳統(tǒng)圖像處理外來物檢測方法 10
2.2.3 基于深度學習的外來物檢測方法 11
2.3 機場道面外來物檢測研究趨勢 12
參考文獻 13
第3章 機場道面外來物實時檢測技術 14
3.1 基于視頻方法的外來物檢測技術 14
3.1.1 外來物實驗數(shù)據(jù)采集 16
3.1.2 機場外來物圖像識別技術 17
3.2 基于線結構光的外來物檢測技術 23
3.2.1 測量原理 23
3.2.2 測量方法 24
3.2.3 三維測量系統(tǒng)的自動標定 25
3.2.4 斷面標準輪廓提取技術 26
3.2.5 異物特征知識庫建立與完善 27
3.2.6 基于機場道面輪廓的異物檢測技術 27
3.2.7 基于線結構光的機場道面異物檢測結果及分析 29
3.3 徐州觀音國際機場現(xiàn)場驗證 31
3.3.1 機場外來物防范工作調(diào)研 31
3.3.2 現(xiàn)場數(shù)據(jù)采集前期準備 34
3.3.3 數(shù)據(jù)采集 36
3.3.4 圖像分析與檢測 37
3.3.5 道面異物尺寸與位置計算 39
3.3.6 道面異物危險等級及預警 40
參考文獻 41
第4章 機場道面多尺度表面病害檢測技術研究綜述 43
4.1 機場道面表面病害檢測概述 43
4.2 基于目標檢測模型的路面病害區(qū)域級識別 45
4.2.1 Faster R-CNN 45
4.2.2 YOLO v3模型 51
4.2.3 YOLO v4模型 56
4.3 基于語義分割模型的路面病害像素級識別 63
4.3.1 U-Net模型 63
4.3.2 SegNet模型 66
4.3.3 PSPNet模型 68
4.4 機場道面表面病害檢測技術研究趨勢 68
參考文獻 69
第5章 機場道面裂縫快速檢測與高清辨識技術 70
5.1 道面病害圖像增強方法 71
5.1.1 基于幾何變換的數(shù)據(jù)增強方法 71
5.1.2 基于生成對抗網(wǎng)絡的數(shù)據(jù)增強方法 73
5.1.3 生成模型和判別模型 74
5.1.4 激活函數(shù)特性分析 75
5.2 基于深度卷積生成對抗網(wǎng)絡的道面裂縫圖像生成 78
5.2.1 DCGAN模型結構設計 78
5.2.2 損失函數(shù)的選擇 81
5.2.3 生成對抗網(wǎng)絡模型評價指標 83
5.2.4 網(wǎng)絡模型試驗環(huán)境搭建 84
5.2.5 訓練結果分析 85
5.3 道面病害分割模型 87
5.3.1 模型構建與改進 88
5.3.2 數(shù)據(jù)集構建 89
5.3.3 參數(shù)設置 89
5.3.4 評價指標 91
5.3.5 裂縫圖像語義分割訓練 92
5.3.6 解碼結構對圖像語義分割的影響 93
5.4 基于Faster R-CNN的裂縫目標檢測和特征提取 98
5.4.1 Faster R-CNN結構 99
5.4.2 目標檢測數(shù)據(jù)集的制作 100
5.4.3 評價指標 102
5.4.4 試驗分析 102
5.5 道面狀況評價 104
5.5.1 道面裂縫檢測結果的幾何特征提取 104
5.5.2 線性裂縫的長寬計算 105
5.5.3 網(wǎng)狀裂縫的面積和塊度計算 107
5.5.4 實測分析 108
5.5.5 機場道面表觀損壞狀況評價 110
5.5.6 剛性道面狀況指數(shù)及計算 110
參考文獻 112
第6章 基于InSAR 的道面不均勻沉降監(jiān)測 113
6.1 機場道面不均勻沉降概述 113
6.2 衛(wèi)星沉降監(jiān)測技術國內(nèi)外研究現(xiàn)狀 114
6.3 InSAR技術原理 115
6.3.1 PS-InSAR技術原理 115
6.3.2 SBAS-InSAR技術原理 117
6.4 現(xiàn)場數(shù)據(jù)采集方法 118
6.4.1 研究區(qū)域概況 118
6.4.2 數(shù)據(jù)采集 118
6.5 數(shù)據(jù)處理方法 120
6.5.1 數(shù)據(jù)裁剪 120
6.5.2 連接圖生成 120
6.5.3 地理編碼 120
6.5.4 檢測精度分析 121
參考文獻 121
第7章 機場道面抗滑性能檢測與評價研究綜述 123
7.1 飛機輪胎-機場道面摩擦機制 123
7.2 機場道面摩擦特性檢測方法 126
7.3 機場道面摩擦特性評價方法 127
7.4 基于三維機器視覺檢測技術的抗滑性能檢測技術 130
7.4.1 近景攝影測量技術 131
7.4.2 三維激光掃描技術 132
7.5 表面紋理特性與表面抗滑性能的關系 134
參考文獻 135
第8章 基于道面三維紋理的機場道面抗滑性能評價技術 137
8.1 道面三維紋理采集與模型重構 137
8.1.1 近景攝影測量技術 137
8.1.2 道面三維紋理采集 143
8.1.3 道面三維紋理模型重構 144
8.2 道面三維紋理指標計算 147
8.2.1 道面三維紋理指標的選取 147
8.2.2 道面紋理構造特征指標計算 150
8.2.3 道面表面紋理構造評價指標的準確性驗證 152
8.3 飛機輪胎/道面接觸動摩擦系數(shù)計算方法 154
8.3.1 基于Persson 摩擦模型的動摩擦系數(shù)求解 154
8.3.2 動摩擦系數(shù)計算有效性驗證 159
8.4 機場道面抗滑性能快速檢測工況研究 161
8.4.1 快速檢測設備平臺 161
8.4.2 基于改進的維納濾波降噪的快速檢測圖像處理方法 163
8.4.3 徐州觀音國際機場現(xiàn)場驗證 167
參考文獻 175
第9章 機場道面雨雪冰狀態(tài)檢測與預警研究綜述 176
9.1 道面狀態(tài)檢測方法研究現(xiàn)狀 177
9.2 道面雨雪冰狀態(tài)識別研究現(xiàn)狀 177
9.3 道面雨雪冰厚度檢測研究現(xiàn)狀 182
9.4 道面雨雪冰狀態(tài)預警研究現(xiàn)狀 183
9.5 國內(nèi)外研究現(xiàn)狀評述 184
參考文獻 185
第10章 機場道面雨雪冰狀態(tài)檢測與預警技術研究 186
10.1 多工況道面狀態(tài)圖像采集與處理 186
10.1.1 圖像數(shù)據(jù)獲取 186
10.1.2 檢測車采集數(shù)據(jù) 186
10.1.3 人工圖像采集 188
10.1.4 公開數(shù)據(jù)集 189
10.2 數(shù)據(jù)標注及預處理 191
10.2.1 圖像數(shù)據(jù)標注 191
10.2.2 圖像預處理 191
10.3 基于目標檢測模型的道面狀態(tài)識別 193
10.3.1 YOLO v5 193
10.3.2 YOLO v8 194
10.3.3 MobileNet v3 197
10.3.4 識別評價指標 198
10.4 道面狀態(tài)識別結果分析 198
10.4.1 訓練過程 198
10.4.2 典型結果 200
10.5 基于深度學習的道面雨雪冰狀態(tài)像素級分割 203
10.5.1 語義分割任務 203
10.5.2 改進的E-YOLO 模型 205
10.5.3 數(shù)據(jù)集構建及標注 207
10.5.4 道面雨雪冰分割結果分析 209
10.6 基于多目視覺的道面雨雪冰厚度精細化檢測 214
10.6.1 多目視覺數(shù)據(jù)獲取 214
10.6.2 三維點云數(shù)據(jù)生成 216
10.6.3 表面積雪厚度計算 220
10.6.4 機場道面工程驗證 224
10.7 機場道面雨雪冰狀態(tài)評價與預警 232
10.7.1 道面狀態(tài)影響因素分析 233
10.7.2 道面雨雪冰狀態(tài)評價指標 236
10.7.3 道面雨雪冰狀態(tài)識別與預警系統(tǒng) 240
參考文獻 242