1. 毕业设计（论文）主要内容：
随着工程服役寿命的增加，对既有结构的检测、评估和维护工作越来越重要。混凝土结构的性能劣化总是首先表现为各种表面缺陷，例如：孔洞、裂缝、剥离、腐蚀等。传统的方法主要靠人工巡查进行混凝土结构表面缺陷识别和分类，这种方法操作费时费力，识别结果存在一定的主观性，而且部分测试环境比较恶劣，人工巡查检测存在安全隐患。近年来，计算机视觉和图像处理技术得到快速发展，对混凝土表面进行拍照，采用数字图像处理方法进行表面缺陷识别会越来越具有优势。
利用数字图像处理进行表面缺陷识别，主要包括图像降噪、缺陷特征提取和特征分类等工作。在进行图像降过程中，需要处理的噪声类型主要有不均匀光照、暗斑、污点等。常用的降噪方法有：中值滤波、均值滤波、Sobel算子、Canny算子、小波变换等。另一类发展较快的图像处理方法是采用深度学习算法，深卷积神经网络算法已经得到了大量的应用，例如人脸识别、自动驾驶图像分析等。
本课题的目的是使学生了解图像处理的发展概况和趋势，掌握基本的图像处理算法和软件编程技能，对现有的深卷积神经网络程序进行适当改进和应用，能够初步地进行混凝土表面图像处理和表面缺陷识别，培养一定的学科交叉能力。2. 毕业设计（论文）主要任务及要求
（1）通过文献调查，了解目前图像处理的方法和研究进展
（2）对混凝土表面缺陷进行分类，重点分析表面孔洞缺陷特征
（3）学习深卷积神经网络算法，能够进行算例计算
3. 毕业设计（论文）完成任务的计划与安排
| 编号 | 任务内容 | 时间节点 |
| 1 | 文献调查 | 第1-2周 |
| 2 | 混凝土表面缺陷分类及特征 | 第3-4周 |
| 3 | 学习深卷积神经网络算法 | 第5-7周 |
| 4 | 图像数据集和算法改进 | 第8-10周 |
| 5 | 图像识别及影响因素评估 | 第11-13周 |
| 6 | 完成毕业论文 | 第14-15周 |
4. 主要参考文献
[1]刘宇飞,樊健生，陶慕轩.基于数字图像处理的混凝土表面裂缝识别[J] ，建筑结构学报，2014,35(增刊2):356-361
[2]刘学增,叶康.隧道衬砌裂缝的远距离图像测量技术.同济大学学报（自然科学版）,2012,40(6):829-835
[3]荣婧，潘玉利.基于图像的水泥路面裂缝识别方法及应用[J],北京邮电大学学报,2012,35(6):121-124
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
