用深度学习神经网络对混凝土结构损伤进行视觉识别

行业前沿 3个月前 (03-27) 739 人围观 0

自从去年春天AlphaGo与李世石的一场鏖战,人工智能、机器学习、数据挖掘、深度学习、深度人工神经网络……类似的关键词充斥着各大科技类新闻媒体,尤其是在互联网、机器人等领域,简直就是爆屏一样的存在。要知道这并不是全新的概念,十几年甚至几十年前就已经有了神经网络、遗传算法、蚁群算法这种“智能算法”的存在,只是其计算效果的不理想,一直被许多领域的科学家们诟病着。然而最近几年,当许多人对其淡化关注的时候,一个算法的改进让它重获新生。

我当时在考虑一个事儿:这么高大上的新科技,应当不仅仅用在人脸识别、语音识别、智能助手、自动驾驶等生活、工作辅助类的科技中,也应当在我们土木工程领域有所体现——土木工程是一个“古老”的行业不假,但我们的终极使命是改善人类的生活环境啊,这自然是不应当与最新科技绝缘的。

于是,我从去年下半年开始做了一些数据和资料方面的准备,get了一些新技能,用一些小代码做了些尝试,觉得把智能算法用在桥梁领域,做一个“分类器”是完全可行的。但放眼各大数据库,竟没能找到任何关于“新智能算法”(我的意思是以前用的神经网络等不算)文章。。。

然而就在今天早上,我很惊喜地看到了一篇发表在《Computer-Aided Civil and Infrastructure Engineering》上的文章:《Deep Learning-Based Crack Damage Detection Using Convolutional Neural Networks》!

如果我没看错,这应该是“新智能算法”在土木工程领域的第一篇paper,加拿大曼尼托巴大学(University of Manitoba)的Young-Jin Cha和Wooram Choi教授,以及麻省理工的Oral Buyukozturk教授给我们讲述了这么一个事儿:

以桥梁健康监测为主要研究方向的Young-Jin Cha副教授指出,对于桥梁结构性能随时间变化的监测是十分重要的,过去常用的手段是在桥梁上布置大量的传感器,硬件成本较高,后期数据处理较为复杂。近年来又兴起了基于视觉识别的结构损伤识别技术,即image processing techniques(IPTs)。目前已经有不少研究成果可以得出结构外观状态(裂缝分布与形态、变形变位等)与结构损伤之间的联系,因此对图像进行高效地识别,并根据裂缝对结构损伤程度进行判定是一项关键技术。

Cha老师用上了卷积神经网络(convolutional neural networks,简称CNNs)——他在文中引用多篇LeCun的文章,LeCun正是Facebook人工智能实验室的负责人,还是Google创始人Page的老师。Google、微软、Facebook、Twitter、百度等世界“AI巨头”们目前争相投入重金研究的课题,正是这个CNNs。Google用CNNs开发基于安卓系统的语音识别系统,百度用CNNs开发视觉搜索引擎……

微软的Leon Bottou说:“没有人比LeCun更能推动卷积神经网络发展了”;深度学习运动核心人物Geoffrey Hinton说:“是LeCun高举着火炬,冲过了最黑暗的时代”——在多年前,神经网络这个工具并不好用,经常出错,直到计算机科学家LeCun对算法有了实质性的推进。如今我们有足够的理由相信神经网络这个科技工具,至少我们相信那些把神经网络大规模应用于银行业务和ATM机上的银行家们的选择——他们往往是对技术很保守的一群人。

回到这篇文章,Cha老师首先掌握了332张用佳能单反相机拍摄的高清混凝土结构表面裂缝照片,他把这些照片分为两组,一组是277张分辨率为4928x3264的照片作为“训练组”,一组是55张分辨率为5888x3584的照片作为“验证组”。

人工神经网络的训练数据库需要海量数据,277这个数字显然不够,况且,当一副照片中含有的信息越多,对神经网络而言,干扰就越多,就越不容易突出重点。于是Cha老师将这277张照片分割成4万张分辨率为256x256的小照片作为训练数据库。

流程如下:

在CNNs神经网络中,图像被视为由长-宽-通道(包括红黄蓝三色)三个维度组成的数据,经过层层筛分,最终由程序做出判断,给出是否含有裂缝的结论——类比一下“谷歌神经网络识别猫脸”的案例,这是一个较为漫长的,让神经网络建立自主判断的过程,这个过程如下图:

 

 

给出的样本数据离散型比较强,有的清晰,有的模糊;有的裂缝出现在照片中间,有的出现在照片边角。但无论如何,人类都会轻易地指出裂缝的位置和开裂严重程度,但关键是要看机器能否也能精准地看出来。

以下是识别的结果:

 

由此可见,CNNs可以在一张陌生的图片中识别出裂缝的位置,并且对裂缝进行分类——这些目前还都是由人工完成的工作,将来有望被机器完全取代,真是令人兴奋不已!

我忘了是哪位高人说过类似的话:我们要把繁琐和重复计算交给计算机,我们留下创造力。

今天推荐的这篇文章是:Cha Y J, Choi W, Büyüköztürk O. Deep learning-based crack damage detection using convolutional neural networks[J]. 2017.

有ResearchGate账号的同学请点击这里直接下载,没有的话在留言区给我留言,或者给我发邮件都可以。

还记得前年和师兄聊起桥梁监测机器人的发展现状,尤其是那种用无人机携带照相机去梁底拍摄的装备,当时我的观点是:“未来一定可以实现机器自动识别,而不只是拍照片供人观察”。今天Cha老师给同行们开了个头,老司机开车啦,大家别掉队啊!