跨界 | 土木工程也开始AI化了：用卷积神经网络实现结构损伤视觉识别

作者 | 长河

本文来源于微信公众号十千牛（shiqianniu）

自从AlphaGo与柯洁的一场鏖战，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。

然而最近，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，点击“阅读原文”，可查看这篇论文。

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！

招聘

AI科技大本营目前招聘资深AI采编。AI时代，和我们一起做最贴近AI的媒体！详细职位要求和简历投递方式请见☟☟☟

资深AI采编：

要求：

1.熟悉AI领域，对大公司、AI大牛的动态有极强敏感性，且有深度剖析的楞劲儿。

2.英语能力六级以上，看得懂文章，做得了编译，听得懂外文，做得了采访。

3.对AI相关的技术有一定的理解，能追踪最新的技术热点。

4.写稿、编译速度快，快速成稿能力非常重要。

5.语言能力强，行文流畅，写作风格不僵化不生硬。

6.相关媒体经验2年以上。

7.有过重磅深度稿件者优先。

8.对自己极高的要求，工作有极大热情，对成长有极强的动力。

9.时刻保持谦虚，能随时调整状态，跟团队目标紧密配合。

有意者，请将简历投至puge@ai100.ai，标题注明：姓名+手机号+AI采编。有疑问请加微信greta1314

 ☞ 点赞和分享是一种积极的学习态度